我正在尝试使用 Python 和 Matplotlib 以 3D 方式可视化一个数据集，该数据集由 x-z 数据的时间序列（沿 y）组成。
我想创建一个像下面这样的图（这是用 Python 制作的：http://austringer.net/wp/index.php/2011/05/20/plotting-a-dolphin-biosonar-click-train/ http://austringer.net/wp/index.php/2011/05/20/plotting-a-dolphin-biosonar-click-train/），但颜色随 Z 变化 - 即为了清楚起见，强度由颜色图以及峰高显示。
An example showing the colormap in Z is (apparently made using MATLAB):
这种效果可以使用 MATLAB 中的瀑布图选项来创建，但据我所知，Python 中没有直接等效的方法。
I have also tried using the plot_surface option in Python (below), which works ok, but I'd like to 'force' the lines running over the surface to only be in the x direction (i.e. making it look more like a stacked time series than a surface). Is this possible?
非常欢迎任何帮助或建议。谢谢。
我已经生成了一个在 matplotlib 中复制 matlab 瀑布行为的函数，但我认为在性能方面它不是最佳解决方案。
我从 matplotlib 文档中的两个示例开始：多色线 https://matplotlib.org/gallery/lines_bars_and_markers/multicolored_line.html and 3d 绘图中的多条线 https://matplotlib.org/examples/mplot3d/polys3d_demo.html。从这些示例中，我只看到可以根据示例中的 z 值绘制颜色随给定颜色图变化的线条，该示例正在重塑输入数组以按 2 点的线段绘制线并将线段的颜色设置为2 点之间的 z 平均值。
因此，给定输入矩阵n,m矩阵X,Y and Z，该函数循环遍历之间的最小维度n,m像示例中那样，通过 2 个点段绘制每条线，其中按段绘制的重塑是使用与示例相同的代码重塑数组来完成的。
def waterfall_plot(fig,ax,X,Y,Z):
'''
Make a waterfall plot
Input:
fig,ax : matplotlib figure and axes to populate
Z : n,m numpy array. Must be a 2d array even if only one line should be plotted
X,Y : n,m array
'''
# Set normalization to the same values for all plots
norm = plt.Normalize(Z.min().min(), Z.max().max())
# Check sizes to loop always over the smallest dimension
n,m = Z.shape
if n>m:
X=X.T; Y=Y.T; Z=Z.T
m,n = n,m
for j in range(n):
# reshape the X,Z into pairs
points = np.array([X[j,:], Z[j,:]]).T.reshape(-1, 1, 2)
segments = np.concatenate([points[:-1], points[1:]], axis=1)
lc = LineCollection(segments, cmap='plasma', norm=norm)
# Set the values used for colormapping
lc.set_array((Z[j,1:]+Z[j,:-1])/2)
lc.set_linewidth(2) # set linewidth a little larger to see properly the colormap variation
line = ax.add_collection3d(lc,zs=(Y[j,1:]+Y[j,:-1])/2, zdir='y') # add line to axes
fig.colorbar(lc) # add colorbar, as the normalization is the same for all, it doesent matter which of the lc objects we use
因此，可以使用与 matplotlib 曲面图相同的输入矩阵轻松生成看起来像 matlab 瀑布图的图：
import numpy as np; import matplotlib.pyplot as plt
from matplotlib.collections import LineCollection
from mpl_toolkits.mplot3d import Axes3D
# Generate data
x = np.linspace(-2,2, 500)
y = np.linspace(-2,2, 40)
X,Y = np.meshgrid(x,y)
Z = np.sin(X**2+Y**2)
# Generate waterfall plot
fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')
waterfall_plot(fig,ax,X,Y,Z)
ax.set_xlabel('X') ; ax.set_xlim3d(-2,2)
ax.set_ylabel('Y') ; ax.set_ylim3d(-2,2)
ax.set_zlabel('Z') ; ax.set_zlim3d(-1,1)
该函数假设在生成网格时，x数组是最长的，默认情况下，行的 y 坐标是固定的，而 x 坐标是变化的。但是，如果 y 维度的大小较大，则矩阵会转置，生成具有固定 x 的线。因此，生成尺寸反转的网格（len(x)=40 and len(y)=500）产量：