如何用Python将3D数据绘制成类hist2D的2D网格图？

嘿，我完全懂你想要的效果——就是做出像hist2D那样的2D网格图，但每个格子的颜色不是统计出来的频数，而是你自己定义的第三维度数据对吧？其实用Python的matplotlib或者seaborn就能轻松实现，我给你几个实用的方案，附代码示例，你可以直接套用！

这是最通用的方案，不管你的x、y轴是均匀间隔还是不规则分布，都能完美适配，核心就是把自定义的第三维度数据绑定到网格上。

import matplotlib.pyplot as plt
import numpy as np

# 构造x和y的网格点（这里用规则网格，你可以替换成自己的不规则点）
x = np.linspace(0, 10, 11)  # 11个点对应10个横向网格
y = np.linspace(0, 5, 6)   # 6个点对应5个纵向网格
X, Y = np.meshgrid(x, y)

# 替换成你自己的自定义第三维度数据
# 注意：Z的形状要和X/Y一致，或者是(M-1, N-1)（M是y的点数，N是x的点数）
Z = np.sin(X/2) + np.cos(Y)  

# 绘制网格图
fig, ax = plt.subplots(figsize=(8, 4))
# pcolormesh会自动把Z值映射为颜色，cmap可选你喜欢的配色
pcm = ax.pcolormesh(x, y, Z, cmap='viridis', shading='auto')

# 添加颜色条，标注数据含义
fig.colorbar(pcm, label='自定义数据值')

# 设置坐标轴和标题
ax.set_xlabel('X轴')
ax.set_ylabel('Y轴')
ax.set_title('自定义数据的2D网格图')

plt.show()

如果你的x、y轴是均匀间隔的规则网格，用imshow会更省心，只需要通过extent参数绑定实际的坐标范围就行。

import matplotlib.pyplot as plt
import numpy as np

# 自定义数据：假设是5行10列的数组（对应5个纵向网格、10个横向网格）
Z = np.random.rand(5, 10)  # 替换成你的真实数据

fig, ax = plt.subplots(figsize=(8, 4))
# extent参数格式：[x最小值, x最大值, y最小值, y最大值]
# origin='lower'让y轴从下往上递增，符合常规坐标系习惯
im = ax.imshow(Z, cmap='plasma', extent=[0, 10, 0, 5], origin='lower', aspect='auto')

fig.colorbar(im, label='自定义数据值')
ax.set_xlabel('X轴')
ax.set_ylabel('Y轴')
ax.set_title('均匀网格下的自定义数据图')

plt.show()

如果你的x、y是分类变量，或者想在每个网格里直接显示数据值，heatmap会非常直观。

import seaborn as sns
import matplotlib.pyplot as plt
import numpy as np

# 自定义数据：6行10列的数组
Z = np.random.rand(6, 10).round(2)  # 替换成你的数据
x_labels = [f'X_{i+1}' for i in range(10)]
y_labels = [f'Y_{i+1}' for i in range(6)]

fig, ax = plt.subplots(figsize=(10, 5))
# annot=True会在网格里显示数值，fmt控制数值格式
sns.heatmap(Z, xticklabels=x_labels, yticklabels=y_labels, 
            cmap='coolwarm', ax=ax, annot=True, fmt='.2f')

ax.set_xlabel('X类别')
ax.set_ylabel('Y类别')
ax.set_title('带数值标注的自定义数据网格图')

plt.show()

如果手里只有散点的(x,y,z)数据，需要先把散点插值成网格数据，用scipy的griddata就能搞定：

from scipy.interpolate import griddata
import matplotlib.pyplot as plt
import numpy as np

# 假设你有100个散点数据
x_scatter = np.random.rand(100)*10
y_scatter = np.random.rand(100)*5
z_scatter = np.sin(x_scatter/2) + np.cos(y_scatter)

# 构造目标网格
xi = np.linspace(0, 10, 100)
yi = np.linspace(0, 5, 50)
Xi, Yi = np.meshgrid(xi, yi)

# 插值得到网格上的Z数据（method可选'linear'/'cubic'/'nearest'）
Zi = griddata((x_scatter, y_scatter), z_scatter, (Xi, Yi), method='cubic')

# 用pcolormesh绘图
fig, ax = plt.subplots(figsize=(8, 4))
pcm = ax.pcolormesh(xi, yi, Zi, cmap='viridis')
fig.colorbar(pcm, label='插值后的自定义数据')
plt.show()

内容的提问来源于stack exchange，提问作者dr_rk