这是很奇特的数据，但是试试这个：

import numpy as np
import matplotlib.pyplot as plt
import matplotlib.colors as mclr

nx = 38; ny = 18

x = np.linspace(0,nx-1,nx)
y = np.linspace(0,ny-1,ny)

X,Y = np.meshgrid(x, y, indexing='ij')
Z =np.sqrt(X*X + Y*Y) # set a fancy Z function

fig = plt.figure(figsize=(22,11)) 
ax1 = fig.add_subplot(121)
ax1.pcolormesh(X, Y, Z, edgecolors='w',cmap="plasma")
ax1.set_aspect('equal')

plt.show()

您使用的图取决于数据的形状以及calories数组是否同时是age和weight的函数。如果calories是2D的，则应使用plt.contourf()、plt.imshow()或plt.pcolormesh()。如果所有数组都具有相同的形状，则可能需要考虑使用上述afb散点图。
例如，使用数据的子集，您可以获得以下信息：

import matplotlib.pyplot as plt
import numpy as np

age = [5,5,5,5,5,10,10,10,10,10,40,40,40,40,40] 
weight = [40,50,55,60,65,80,85,90,95,100,170,190,210,250,300]
calories =[ 500,550,560,600,650,1000,1200,1300,1400,1500,2000,2300,2500,3000,5000]

fig = plt.figure(figsize=(6,6))
ax = plt.subplot(111)

sc = plt.scatter(age,weight, s = 200, c=calories, cmap=plt.cm.jet)

cbar = fig.colorbar(sc, orientation='horizontal')    

plt.show()

对于imshow()，水平和垂直坐标以及rgb颜色代码被组合到一个数组中--参数X（参见文档https://matplotlib.org/3.1.1/api/_as_gen/matplotlib.pyplot.imshow.html中的描述）或者，如果您的数据集没有覆盖网格中的每个点，您可以考虑散点图，其中每个标记的大小和/或颜色与calories成比例。