matplotlib画3维图z轴标签方向调整不了

尝试了很多种办法：
- colorbar官网文档中的cm.ScalarMappable(norm=norm, cmap=cmap)：似乎关联不上数据了……
- 轮廓覆盖和对数色标：这个我生成出来的不能覆盖整个图，周围一圈像是相框一样的留白。而且颜色不是连续的，是分块的。
- 自己写log函数，然后关联ax.colorbar：颜色不是连续的，是分块的。（抄的别人的csdn，找不到了o(╥﹏╥)o）
- 自定义颜色条colorbarBase：这个是关联不上数据的。

最终解决方案：对数色标+连续渐变性
准备三份数据shape=(x,y)：要求互相的元素是一一对应的
假设有112个元素，最终我要生成一个形状为14*8的heatmap

1. 原始数据：
   • HLA是元素name，count是元素value
   • counts：用于画heatmap的元素values
2. 注释数据HLA_count：HLA+count
3. 对原始数据手动进行log等变换。注意，sklearn里那些normarlizer啥的都是对整个数据进行缩放，是不会对色标产生影响的。要想让范围很大的数据的heatmap颜色区分度大，要使用对数色标，log2比log10更有区分力。
4. 最终需要的是下述的counts_log和HLA_count来进行画heatmap和注释。
   • 如果不取对数的话，就用counts画图
   • 注释中的count是原始数值，而非对数值哦

def HLA_counts_to_heatmap(data_pos = None, n = 8): # 112/8=14
    HLA_count = dict(Counter(data_pos.HLA))
    HLA_count = sorted(HLA_count.items(),key=lambda x:x[1],reverse=True)

    HLAs, counts = [], []
    HLA_temp, count_temp = [], []
    i = 0
    for item in HLA_count:
        i += 1

        HLA_temp.append(item[0][4:])
        count_temp.append(item[1])
        if i == len(HLA_count) or i % n == 0:
            print(i, count_temp)
            HLAs.append(HLA_temp)
            counts.append(count_temp)
            if i != 0: HLA_temp, count_temp = [], []

    HLAs, counts = np.array(HLAs), np.array(counts)
    HLA_count_min = counts[0][0]
    HLA_count_max = counts[-1][-1]
    assert HLAs.shape == counts.shape
    print(HLAs.shape, HLA_count_min, HLA_count_max, [len(m) for m in HLAs], sum([len(m) for m in counts]))
    
    # 获得注释数据
    HLA_count = np.zeros((HLAs.shape[0], HLAs.shape[1])).astype(str)
    for i in range(HLAs.shape[0]):
        for j in range(HLAs.shape[1]):
            HLA_count[i, j] = HLAs[i, j] + '\n' + str(counts[i, j])
    
    # 数据log2缩放，使得画图层次更清晰
    # from sklearn.preprocessing import StandardScaler, MinMaxScaler, Normalizer, scale
    # counts_scaled = scale(counts.reshape(1, -1), axis = 1).reshape(counts.shape)
    # counts_scaled = Normalizer().fit_transform(counts.reshape(1, -1)).reshape(counts.shape)
    counts_log = np.zeros(counts.shape)
    for i in range(counts.shape[0]):
        for j in range(counts.shape[1]):
            counts_log[i, j] = math.log(counts[i, j], 2)
    sum_counts = np.sum(counts) # 所有元素值的和
    return HLAs, counts, HLA_count, counts_log, sum_counts

由于参考资料中的内容与问题不符，无法提供具体的解决方案。推荐使用Stack Overflow等技术论坛进行查找相关解决方法。