可以将任意点作为1D数组提供给matplotlib.Axes3D.plot_trisurf。它们是否遵循特定的结构并不重要。
取决于数据结构的其他方法可以是

• 在规则矩形网格上插值点。这可以通过使用scipy.interpolate.griddata来实现。参见示例here
• 重塑输入数组，使其基于正则表达式，然后使用plot_surface()。根据提供点的顺序，对于具有“平行四边形”形状的网格，这可能是非常容易的解决方案。

从sphere example可以看出，plot_surface()也适用于非常不均匀的网格形状，只要它以规则的方式结构。
以下是一些例子：

为了完整起见，请在这里找到生成上面图像的代码：

import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D
import numpy as np

f = lambda x,y: np.sin(x+0.4*y)*0.23+1

fig = plt.figure(figsize=(5,6))
plt.subplots_adjust(left=0.1, top=0.95,wspace=0.01)

ax0 = fig.add_subplot(322, projection="3d")

ma = 6*(np.random.rand(100)-0.5)
mb = 6*(np.random.rand(100)-0.5)
phi = np.pi/4
x = 1.7*ma*np.cos(phi) + 1.7*mb*np.sin(phi)
y = -1.2*ma*np.sin(phi) +1.2* mb*np.cos(phi)
z = f(x,y)
ax0.plot_trisurf(x,y,z)

ax1 = fig.add_subplot(321)
ax0.set_title("random plot_trisurf()")
ax1.set_aspect("equal")
ax1.scatter(x,y, marker="+", alpha=0.4)
for i  in range(len(x)):
    ax1.text(x[i],y[i], i  , ha="center", va="center", fontsize=6)

n = 10
a = np.linspace(-3, 3, n)
ma, mb = np.meshgrid(a,a)
phi = np.pi/4
xm = 1.7*ma*np.cos(phi) + 1.7*mb*np.sin(phi)
ym = -1.2*ma*np.sin(phi) +1.2* mb*np.cos(phi)
shuf = np.c_[xm.flatten(), ym.flatten()]
np.random.shuffle(shuf)
x = shuf[:,0]
y = shuf[:,1]
z = f(x,y)

ax2 = fig.add_subplot(324, projection="3d")
ax2.plot_trisurf(x,y,z)

ax3 = fig.add_subplot(323)
ax2.set_title("unstructured plot_trisurf()")
ax3.set_aspect("equal")
ax3.scatter(x,y, marker="+", alpha=0.4)
for i  in range(len(x)):
    ax3.text(x[i],y[i], i  , ha="center", va="center", fontsize=6)

x = xm.flatten()
y = ym.flatten()
z = f(x,y)

X = x.reshape(10,10)
Y = y.reshape(10,10)
Z = z.reshape(10,10)

ax4 = fig.add_subplot(326, projection="3d")
ax4.plot_surface(X,Y,Z)

ax5 = fig.add_subplot(325)
ax4.set_title("regular plot_surf()")
ax5.set_aspect("equal")
ax5.scatter(x,y, marker="+", alpha=0.4)
for i  in range(len(x)):
    ax5.text(x[i],y[i], i  , ha="center", va="center", fontsize=6)

for axes in [ax0, ax2,ax4]:
    axes.set_xlim([-3.5,3.5])
    axes.set_ylim([-3.5,3.5])
    axes.set_zlim([0.9,2.0])
    axes.axis("off")
plt.savefig(__file__+".png")
plt.show()

如果你的数据是有序的，并且你知道parallogram的大小，那么一个reshape可能就足够了：

ax.surface(x.reshape(10, 10), y.reshape(10, 10), z.reshape(10, 10))

如果平行四边形的每边有10个点，并且这些点以锯齿形排列，则可以工作