如何将Matplotlib 3D直方图颜色设置为随高度变化（类热力图）

我来帮你搞定这个需求！要让3D直方图的颜色随柱子高度变化（类似热力图），核心是把每个柱子的高度值映射到颜色映射表（colormap）上，给每个柱子单独设置颜色。下面是修改后的完整代码，我会把关键步骤标出来：

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

fig = plt.figure(figsize=(10, 7))
ax = fig.add_subplot(111, projection='3d')

nbins = 1000
mean_list = [366, 657, 594, 1200]
scale_list = [15,50,19,7]
height_list = [1200, 300, 900, 600]
z_positions = [30, 15, 10, 0]

# 先收集所有柱子的高度，用于统一归一化颜色范围
all_heights = []
hist_data = []

# 第一步：计算每个数据集的直方图数据
for n in range(len(z_positions)):
    ys = np.random.normal(loc=mean_list[n], scale=scale_list[n], size=height_list[n])
    # 计算直方图：bin高度、bin边缘
    counts, bins = np.histogram(ys, bins=nbins)
    # 保存bin的中心位置（用来定位柱子）
    bin_centers = (bins[:-1] + bins[1:]) / 2
    hist_data.append((bin_centers, counts, z_positions[n]))
    all_heights.extend(counts)

# 第二步：设置颜色归一化和颜色映射
norm = Normalize(vmin=np.min(all_heights), vmax=np.max(all_heights))
cmap = plt.get_cmap('viridis')  # 可以换成你喜欢的colormap，比如'plasma'、'coolwarm'

# 第三步：逐个绘制柱子并设置颜色
for centers, counts, z in hist_data:
    x = z  # z轴位置作为x坐标（对应原代码的z参数）
    y = centers  # bin中心作为y坐标
    dx = 2  # 柱子在x方向的宽度，可调整
    dy = bins[1] - bins[0]  # bin的宽度，即柱子在y方向的宽度
    dz = counts  # 柱子高度
    
    # 给每个柱子生成对应颜色
    colors = cmap(norm(dz))
    
    # 绘制3D柱子，每个柱子单独设置颜色
    ax.bar3d(x, y, 0, dx, dy, dz, color=colors)

# 添加颜色条，方便查看高度和颜色的对应关系
sm = ScalarMappable(norm=norm, cmap=cmap)
sm.set_array([])
fig.colorbar(sm, ax=ax, pad=0.1, label='柱子高度')

# 设置坐标轴标签
ax.set_xlabel('Z层位置')
ax.set_ylabel('Y轴数值')
ax.set_zlabel('柱子高度')

plt.tight_layout()
plt.show()

关键细节说明： #

• 统一颜色范围：先收集所有柱子的高度再做归一化，这样不同Z层的柱子颜色尺度一致，不会出现某一层颜色偏深、另一层偏浅的情况。
• 颜色映射选择：代码里用的是viridis（matplotlib默认的友好配色），你可以换成plasma、coolwarm等其他colormap，直接修改plt.get_cmap()的参数就行。
• 柱子尺寸调整：dx是柱子在X方向的宽度，dy是自动计算的bin宽度，你可以根据需求调整这些值让直方图更美观。
• 颜色条：添加颜色条能让观看者直观对应颜色和高度的关系，提升图表可读性。

内容的提问来源于stack exchange，提问作者Jan