TL;DR：ax.scatter可以，而ax.plot不可以;所以我们可以插值点并使用散点。该解决方案效率低下，但可以根据需要删除for循环。

例如，OP基于循环的解决方案的输出是：x1c 0d1x的数据
现在，让我们将OP原始代码中的ax.plot(X, Y, Z)行更改为ax.scatter(X, Y, Z)。为完整起见，如下所示：

import numpy as np
import matplotlib.pyplot as plt

X = np.array([[1, 2 ,5], [6, 1, 7]])
Y = np.array([[4, 6, 9], [7, 1, 5]])
Z = np.array([[5, 7, 4], [2, 1, 6]])

fig1, ax = plt.subplots(subplot_kw={"projection": "3d"})

ax.scatter(X.ravel(), Y.ravel(), Z.ravel())
plt.show()

字符串
输出量：

的
总的来说，ax.scatter的工作方式与ax.plot不同！
现在，如果我们简单地在线的端点之间插入几个点，我们可以获得与预期图相同的图。为了完整性，如下所示：

import numpy as np
import matplotlib.pyplot as plt

X = np.array([[1, 2 ,5], [6, 1, 7]])
Y = np.array([[4, 6, 9], [7, 1, 5]])
Z = np.array([[5, 7, 4], [2, 1, 6]])

N = 1000

interp_points = np.linspace(0, 1, N)

interp_points = interp_points.reshape(-1, 1)

# Interpolated values (total  count: N)
X_interp = X[:-1, :] + interp_points * (X[1:, :] - X[:-1, :])
Y_interp = Y[:-1, :] + interp_points * (Y[1:, :] - Y[:-1, :])
Z_interp = Z[:-1, :] + interp_points * (Z[1:, :] - Z[:-1, :])

fig1, ax = plt.subplots(subplot_kw={"projection": "3d"})

ax.scatter(X_interp.T.ravel(), Y_interp.T.ravel(), Z_interp.T.ravel(), s=0.1)   
plt.show()

型
输出量：

的
如果我们希望每一行都有不同的颜色，我们可以将一个颜色列表传递给ax.scatter，列表的长度=点的总数，列表中的前N个项目具有第一行的颜色，依此类推。因此，使用以下内容，我们得到：

ax.scatter(X_interp.T.ravel(), Y_interp.T.ravel(), Z_interp.T.ravel(), 
            color=['red'] * (N) + ['green'] * (N) + ['blue'] * (N), s=0.1)

型

的
它不使用for循环就完成了所需的绘图。