Matplotlib 3D 绘图默认将三轴缩放为等比例立方体，但可通过 ax.set_box_aspect() 精确控制各轴的相对长度，实现非均匀长方体视图，适用于空间尺度差异显著的数据可视化。
matplotlib 3d 绘图默认将三轴缩放为等比例立方体，但可通过 `ax.set_box_aspect()` 精确控制各轴的相对长度，实现非均匀长方体视图，适用于空间尺度差异显著的数据可视化。
在 Matplotlib 的 3D 可视化中，Axes3D 默认采用“等比例箱体”（equal box aspect）策略：即 x、y、z 三个方向在渲染空间中占据相同的物理长度（如 1 单位数据长度 = 1 像素长度），从而形成视觉上的正方体包围盒。这种设定虽保证几何保真，却常导致实际数据中某维度（如时间序列索引 y）因取值范围远大于其他维度而被严重压缩，影响结构判读。
要打破这一限制，实现自定义轴向拉伸（例如让 y 轴视觉长度是 x/z 轴的两倍），关键在于使用 ax.set_box_aspect() 方法：
ax.set_box_aspect((1, 2, 1)) # x:y:z 比例为 1:2:1 → y 轴拉伸为原来的 2 倍
该方法接收一个三元组 (x_ratio, y_ratio, z_ratio)，表示三轴在最终渲染框中的相对长度比（非数据单位比）。其作用对象是整个 3D 坐标系的“可视包围盒”，不影响原始数据坐标或刻度标签——仅改变投影空间的形变系数。
✅ 正确用法示例（接原代码末尾）：
# ... 原 scatter 绘制代码保持不变
ax.scatter(x, y, z, '.', c=flat_bm.values, cmap='Reds')
# ✅ 关键：设置非等比箱体比例（y 轴拉长）
ax.set_box_aspect((1, 2, 1))
# 可选：增强可读性（添加标签与网格）
ax.set_xlabel('Feature Index (x)')
ax.set_ylabel('Time Step (y)')
ax.set_zlabel('Value (z)')
ax.grid(True)
plt.show()⚠️ 注意事项：
- set_box_aspect() 必须在绘图完成后、plt.show() 或 fig.savefig() 之前调用，否则可能被后续自动布局覆盖；
- 该方法自 Matplotlib 3.3.0 版本起正式支持（推荐 ≥3.6.0），旧版本需改用 ax.set_proj_type('persp') + 手动调整 view_init() 和 dist 参数，效果有限且不稳定；
- 若同时使用 ax.set_xlim()/set_ylim()/set_zlim()，请确保其范围与 set_box_aspect 逻辑一致——比例反映的是当前显示范围内的相对尺度，而非全数据范围；
- 不同后端（如 TkAgg、Qt5Agg）对该方法的支持度一致，但交互式旋转时比例会动态保持，无需额外处理。
? 进阶技巧：若需严格匹配物理单位（如 1 米 = 1 厘米像素），可先通过 ax.get_xlim(), ax.get_ylim(), ax.get_zlim() 获取当前数据范围，再计算比例：
xlim, ylim, zlim = ax.get_xlim(), ax.get_ylim(), ax.get_zlim() x_range, y_range, z_range = xlim[1]-xlim[0], ylim[1]-ylim[0], zlim[1]-zlim[0] ax.set_box_aspect((x_range, y_range * 1.5, z_range)) # y 方向放大 1.5 倍
总之，set_box_aspect() 是 Matplotlib 3D 可视化中控制空间感知最直接、可靠的方式。它不修改数据，不干扰坐标系统，仅优化人眼对多维结构的理解效率——尤其适用于金融时序三维热力图、神经网络特征空间映射、地理时空立方体等真实场景。
