如何用pcolormesh绘制3D数据的XY切片？

首先注意：你提供的pos形状是(100000,3)，vel是(1000000,1)，两者样本数量不匹配，这会直接导致映射关系混乱，请先确认数据是否存在笔误（比如vel应该是(100000,1)），确保每个位置pos[i]对应唯一的vel[i]。

以下是梳理数据并生成pcolormesh所需输入的步骤：

1. 提取对齐的XY坐标与标量值 #

先简化坐标提取方式，同时确保索引一一对应：

import numpy as np
import matplotlib.pyplot as plt

# 提取X、Y坐标（直接取对应列，避免冗余操作）
xs = pos[:, 0]
ys = pos[:, 1]
# 将vel转为一维数组，确保和坐标长度一致
vs = vel.flatten()

2. 将散点数据转换为规则网格 #

pcolormesh需要二维网格坐标(X,Y)和对应网格的二维数值数组(V)，而你的原始数据是无序散点，需通过以下两种方式之一转换：

方式一：分箱统计（适合展示数据分布的统计特征） #

通过分箱计算每个网格内的均值/中位数，适合离散数据或需要保留统计意义的场景：

# 定义网格分辨率（可根据需求调整）
grid_size = 100

# 对XY坐标分箱，统计每个网格内的vel总和与样本数
vel_sum, x_edges, y_edges = np.histogram2d(xs, ys, bins=grid_size, weights=vs)
sample_count, _, _ = np.histogram2d(xs, ys, bins=grid_size)

# 计算每个网格的均值（避免除以0，无数据的网格设为NaN）
grid_vel = np.divide(vel_sum, sample_count, where=sample_count != 0)
grid_vel[sample_count == 0] = np.nan

# 生成网格中心坐标（pcolormesh需要的XY网格）
x_center = (x_edges[:-1] + x_edges[1:]) / 2
y_center = (y_edges[:-1] + y_edges[1:]) / 2
X, Y = np.meshgrid(x_center, y_center)

# 绘图
plt.pcolormesh(X, Y, grid_vel.T)  # 转置匹配meshgrid的维度顺序
plt.colorbar(label='Velocity')
plt.xlabel('X')
plt.ylabel('Y')
plt.show()

方式二：插值（适合平滑的连续数据展示） #

使用插值将散点值映射到规则网格，适合需要平滑可视化的场景：

from scipy.interpolate import griddata

# 定义网格范围与分辨率
xi = np.linspace(xs.min(), xs.max(), 100)
yi = np.linspace(ys.min(), ys.max(), 100)
X, Y = np.meshgrid(xi, yi)

# 插值映射（method可选'nearest'最近邻、'linear'线性、'cubic'立方）
grid_vel = griddata((xs, ys), vs, (X, Y), method='linear')

# 绘图
plt.pcolormesh(X, Y, grid_vel)
plt.colorbar(label='Velocity')
plt.xlabel('X')
plt.ylabel('Y')
plt.show()

关键注意事项 #

• 始终确保xs、ys、vs的索引严格对应，即xs[i]、ys[i]对应vs[i]，不要打乱原始数据的顺序。
• pcolormesh的X、Y必须是二维网格（由meshgrid生成），V的形状需与X/Y完全一致。

内容的提问来源于stack exchange，提问作者earnric