我有一个三维空间中的点云，并估计了这些点上的一些分布（也是在三维空间中;使用kernel density estimation，尽管这与此问题无关）。我想将该分布的投影绘制为所有三个轴（x，y和z）上的等高线图。对于z轴（即，即投影到到处具有相同z坐标平面上）：

import numpy as np
import scipy as sp
import scipy.stats
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import axes3d

# generate some points of a 3D Gaussian
points = np.random.normal(size=(3, 50))

# do kernel density estimation to get smooth estimate of distribution
# make grid of points
x, y, z = np.mgrid[-4:4:100j, -4:4:100j, -4:4:100j]
kernel = sp.stats.gaussian_kde(points)
positions = np.vstack((x.ravel(), y.ravel(), z.ravel()))
density = np.reshape(kernel(positions).T, x.shape)

# now density is 100x100x100 ndarray

# plot points
ax = plt.subplot(projection='3d')
ax.plot(points[0,:], points[1,:], points[2,:], 'o')

# plot projection of density onto z-axis
plotdat = np.sum(density, axis=2)
plotdat = plotdat / np.max(plotdat)
plotx, ploty = np.mgrid[-4:4:100j, -4:4:100j]
ax.contour(plotx, ploty, plotdat, offset=-4)

ax.set_xlim((-4, 4))
ax.set_ylim((-4, 4))
ax.set_zlim((-4, 4))

但是，在Matplotlib中似乎没有实现对其他轴执行此操作。如果我使用this example中概述的方法，并指定一个zdir关键字参数：

# plot projection of density onto x-axis
plotdat = np.sum(density, axis=0)
plotdat = plotdat / np.max(plotdat)
ploty, plotz = np.mgrid[-4:4:100j, -4:4:100j]
ax.contour(ploty, plotz, plotdat, offset=-4, zdir='x')

轮廓的生成是“沿着另一个切片”完成的，也就是说：

而我想要这样的东西（糟糕的绘画技巧;希望思路清晰）：

我想到的一个选择是沿着默认的zdir='z'生成轮廓，然后在3D空间中旋转生成的曲线，但我不知道如何实现这一点。我将非常感谢任何指针！