您可以使用numpy meshgrid和maplotlib pcolormesh函数来完成此操作。

import numpy as np
import matplotlib.pyplot as plt

x = [0, 1, 2, 3, 4]
y = [0, 1, 2, 3]
z = [5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20, 21, 22, 23, 24]

X, Y = np.meshgrid(x, y)
Z = np.array(z).reshape(X.shape)

plt.pcolormesh(X, Y, Z)
plt.colorbar()
plt.show()

我们的想法是X和Y包含2D中的坐标，因此在索引[i, j]处，x坐标由X[i, k]给出，y坐标也是如此。最后，Z只是z的整形版本，在numpy数组中。
最后，如果你想要一个3D图，你可以使用matplotlib中的plot_surface函数。

fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')
ax.plot_surface(X, Y, Z)
plt.title('z as 3d height map')
plt.show()

在我看来，你正在寻找的是一个点云图。它是一个图，顾名思义，你产生一个坐标为（x，y，z）的点云。然而，大多数图形库称之为scatter3d。
在matplotlib中你可以用途：https://matplotlib.org/stable/gallery/mplot3d/scatter3d.html
您可能还需要重新构造数组以扩展x和y数组，以便在x[i]，y[i]和z[i]之间建立一对一的对应关系。请考虑使用numpy的repeat和tile函数来执行此操作。

改编Noé Duruz的解决方案以使用散射：

import numpy as np
import matplotlib.pyplot as plt

x = [0, 1, 2, 3, 4]
y = [0, 1, 2, 3]
z = [5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20, 21, 22, 23, 24]

X, Y = np.meshgrid(x, y)
Z = np.array(z).reshape(X.shape)

fig, ax = plt.subplots()
ax.scatter(X, Y, c=Z)
plt.show()