matplotlib plot_surface绘制整数数组曲面显示异常如何解决

两个异常的触发逻辑非常明确：

• 曲面显示单一纯色：matplotlib所有内置colormap的输入值域要求为[0, 1]，直接传入0-5范围的整数数组时，所有大于1的数值都会被colormap截断为上限值对应的纯色，仅值为0的位置会显示最低位颜色，整体视觉上就是单一色块。用np.random.random测试正常是因为该接口生成的浮点值天然落在[0,1]区间，不需要额外映射。整个过程不需要修改原始整数数据，仅在渲染环节做值域适配即可。
• 色条无法关联数据：直接调用cm.viridis()传入原始数组生成的是固定RGB颜色值列表，没有绑定统一的数值-颜色映射规则，同时plot_surface返回的对象本身不携带全局映射信息，自然无法生成和数据匹配的色条。

核心逻辑是先基于整数数据的全局取值范围创建统一归一化规则，再用同一个可映射对象生成三个曲面的颜色、绑定色条，全程不修改原始整数数组：

import numpy as np
from mpl_toolkits.mplot3d import Axes3D
from matplotlib import cm
import matplotlib.pyplot as plt
from matplotlib.cm import ScalarMappable

# 保留原始三维整数数组，不做任何修改
data = np.random.randint(0, 6, size=(49, 512, 512))
# 取数据全局最值作为颜色映射的上下限
vmin, vmax = data.min(), data.max()
# 构建归一化规则：仅用于渲染时把原始值映射到colormap要求的[0,1]区间
norm = plt.Normalize(vmin=vmin, vmax=vmax)

x = y = np.arange(0, 512, 1)
z, z1, z2 = 20, 21, 22
i, i1, i2 = data[z,:,:], data[z1,:,:], data[z2,:,:]

X, Y = np.meshgrid(x, y)
Z = z * np.ones(X.shape)
Z1 = z1 * np.ones(X.shape)
Z2 = z2 * np.ones(X.shape)

fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')
ax.view_init(10, 60)

# 三个曲面使用同一套映射规则生成面颜色
ax.plot_surface(X, Y, Z, facecolors=cm.viridis(norm(i)))
ax.plot_surface(X, Y, Z1, facecolors=cm.viridis(norm(i1)))
ax.plot_surface(X, Y, Z2, facecolors=cm.viridis(norm(i2)))

# 构建统一的标量映射对象，绑定色条即可同时关联三个曲面的色阶
sm = ScalarMappable(norm=norm, cmap=cm.viridis)
sm.set_array([])  # 修复3D场景下色条维度报错问题
fig.colorbar(sm, ax=ax, shrink=0.7)

plt.show()

• 原始整数数组完全保留，没有做任何归一化改写
• 三个曲面的颜色严格对应原始整数值，相同数值在不同曲面上显示颜色完全一致
• 色条刻度自动匹配原始整数范围，可直接对照读取任意曲面位置的原始数值

内容的提问来源于stack exchange，提问作者T Walker