如何利用3D NumPy数组制作Matplotlib 3D曲面图？

核心前提 #

plot_surface的输入要求非常明确：

• 需要两个自变量的2D网格矩阵（X、Y，形状必须一致）
• 对应每个网格点的高度值2D矩阵（Z，形状与X、Y完全匹配）

你的example_data是形状为(4,3,6)的三维标量场（[y轴采样数, x轴采样数, z轴采样数]），要生成曲面图，必须先确定哪两个维度作为自变量网格，哪个维度（或标量值）作为高度。

具体实现方案 #

方案1：固定z轴，展示x-y平面上的标量值高度

选择z轴的某个固定切片（比如z=0），将该切片的标量值作为高度，x、y作为自变量网格：

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

example_data = np.array([[[ 0.        , -0.17641481, -0.72472288, -1.634733  ,
         -2.88745155, -4.45446602],
        [-0.13739369, -0.31310624, -0.85886054, -1.76420826,
         -3.01012461, -4.56879708],
        [-0.35161935, -0.52612019, -1.06770701, -1.96573273,
         -3.20127564, -4.74702167]],

       [[-0.04258234, -0.21878815, -0.76633309, -1.67490601,
         -2.92547351, -4.48988789],
        [-0.19878962, -0.37417798, -0.91875395, -1.82200802,
         -3.06494007, -4.61990366],
        [-0.43114388, -0.60516764, -1.14515408, -2.04045165,
         -3.27220115, -4.81316763]],

       [[-0.10061408, -0.27653455, -0.82302458, -1.7296353 ,
         -2.97729546, -4.53817427],
        [-0.27544339, -0.4504148 , -0.99350961, -1.89414589,
         -3.1333632 , -4.68370029],
        [-0.52562477, -0.69907413, -1.23715577, -2.12921336,
         -3.35644715, -4.89172916]],

       [[-0.17403085, -0.34958509, -0.89471911, -1.79884052,
         -3.04285776, -4.59927476],
        [-0.36725838, -0.54171551, -1.08302212, -1.9805198 ,
         -3.21529955, -4.76010013],
        [-0.63493209, -0.80770802, -1.34358099, -2.23188968,
         -3.45389109, -4.9825877 ]]])

# 定义x、y轴的采样点
x = np.arange(3)
y = np.arange(4)
# 生成x-y网格，形状为(4,3)，与example_data[:, :, z_idx]匹配
X, Y = np.meshgrid(x, y)
# 取z=0的切片作为高度Z
Z = example_data[:, :, 0]

# 绘制曲面图
fig = plt.figure()
ax = fig.add_subplot(projection='3d')
ax.plot_surface(X, Y, Z, edgecolor='royalblue', lw=0.5, rstride=1, cstride=1, alpha=0.7)
plt.show()

方案2：固定y轴，展示x-z平面上的标量值高度

选择y轴的某个固定切片（比如y=0），将该切片的标量值作为高度，x、z作为自变量网格：

# 定义x、z轴的采样点（z轴方向与你之前的代码一致）
x = np.arange(3)
z = -np.arange(6)
# 生成x-z网格，形状为(6,3)
X, Z = np.meshgrid(x, z)
# 取y=0的切片并转置，匹配网格形状(6,3)
Y_surface = example_data[0, :, :].T

# 绘制曲面图
fig = plt.figure()
ax = fig.add_subplot(projection='3d')
ax.plot_surface(X, Y_surface, Z, edgecolor='darkred', lw=0.5, rstride=1, cstride=1, alpha=0.7)
plt.show()

关于meshgrid的说明 #

完全可以用meshgrid生成所需的2D网格：

• 当需要x-y网格时，np.meshgrid(x, y)生成的X、Y形状为(len(y), len(x))，正好匹配example_data[:, :, z_idx]的(4,3)形状
• 当需要x-z网格时，np.meshgrid(x, z)生成的X、Z形状为(len(z), len(x))，此时需将example_data[y_idx, :, :]转置以匹配网格形状

额外说明：三维标量场等值面 #

如果你的需求是展示某个标量值对应的三维曲面（比如所有example_data[y,x,z] = -1的点组成的曲面），matplotlib本身没有直接的等值面绘制函数，可使用mayavi库的mlab.contour3d实现，或用你之前的contourf代码绘制多平面等高线进行近似。

内容的提问来源于stack exchange，提问作者Polly Gill