使用matplotlib绘制numpy矩阵为colormap时遇维度错误求助

问题重现 #

使用plt.pcolormesh绘制(1000,64)的numpy矩阵时，触发以下错误：

TypeError: Dimensions of C (1000, 64) should be one smaller than X(1000) and Y(64) while using shading='flat' see help(pcolormesh)

错误原因 #

当shading='flat'时，pcolormesh的核心逻辑是：

• X和Y定义的是网格节点的坐标，生成后形状为(M, N)
• C是每个网格单元的颜色值，形状必须为(M-1, N-1)（每个单元由相邻4个节点围成）

你的代码中：

• x = np.linspace(0, 1000, 1000)（1000个X节点），y = np.linspace(0, 64, 64)（64个Y节点）
• meshgrid后X和Y的形状为(64, 1000)
• 但C的形状是(1000, 64)，既和X/Y的维度顺序相反，也不满足M-1/N-1的长度要求

两种解决方案 #

方案1：调整节点坐标长度，匹配单元数 #

如果坚持使用shading='flat'，需要让X/Y的节点数比C的对应维度多1，同时对齐维度顺序：

1. 针对C(1000,64)，X方向节点数设为64+1=65，Y方向节点数设为1000+1=1001
2. 确保C的维度与网格单元对应（若数据行对应Y方向、列对应X方向，无需转置）

方案2：修改shading参数（更简便） #

将shading改为'nearest'或'auto'，这两种模式允许C的形状与X/Y的节点形状一致（颜色映射到节点而非单元），无需调整坐标长度，只需保证C的形状与X/Y匹配（可能需要转置data）

修改后的代码示例 #

方案2实现（推荐） #

import numpy as np
import matplotlib.pyplot as plt

def readFile(f):
    with open(f) as file:
        array2d = [[float(digit) for digit in line.split()] for line in file]
    return np.asmatrix(array2d)

if __name__ == "__main__":
    data = readFile("data.log")
    data = data[:1000, :64]
    print(data.shape)  # 输出(1000, 64)

    # 保持原节点数量
    x = np.linspace(0, 1000, 1000)
    y = np.linspace(0, 64, 64)
    X, Y = np.meshgrid(x, y)
    
    # 修改shading为'nearest'，转置data匹配X/Y的形状(64,1000)
    plt.pcolormesh(X, Y, data.T, cmap='viridis', shading='nearest')
    
    plt.colorbar(label='Colorbar Label')
    plt.xlabel('X-axis Label')
    plt.ylabel('Y-axis Label')
    plt.title('2D Color Map with pcolormesh')
    plt.show()

方案1实现 #

import numpy as np
import matplotlib.pyplot as plt

def readFile(f):
    with open(f) as file:
        array2d = [[float(digit) for digit in line.split()] for line in file]
    return np.asmatrix(array2d)

if __name__ == "__main__":
    data = readFile("data.log")
    data = data[:1000, :64]
    print(data.shape)  # 输出(1000, 64)

    # 节点数比C的对应维度多1
    x = np.linspace(0, 64, 65)  # X方向65个节点，对应64个单元
    y = np.linspace(0, 1000, 1001)  # Y方向1001个节点，对应1000个单元
    X, Y = np.meshgrid(x, y)
    
    # shading='flat'，C的形状(1000,64)匹配(M-1,N-1)=(1001-1,65-1)
    plt.pcolormesh(X, Y, data, cmap='viridis', shading='flat')
    
    plt.colorbar(label='Colorbar Label')
    plt.xlabel('X-axis Label')
    plt.ylabel('Y-axis Label')
    plt.title('2D Color Map with pcolormesh')
    plt.show()

验证说明 #

• 方案2中data.T将原(1000,64)转置为(64,1000)，与X/Y的形状一致，配合shading='nearest'即可正常渲染
• 方案1中调整了节点数量，严格遵循flat shading的维度要求，适合需要精确单元颜色的场景

内容的提问来源于stack exchange，提问作者traducerad