如何用二维索引生成二维数组？解决图像数据降维无法绘图问题

你原代码里的循环切片逻辑有误，np.where(data1 > 0)返回的是包含行索引数组和列索引数组的元组，直接通过循环切片会把二维数组压缩成一维，导致形状改变。要保留二维形状，有两种常用方法：

方法一：替换非正数值为填充值（推荐） #

如果只是想保留原图像的二维结构，把非正的数值替换成0（或者NaN、自定义背景值），这样数组形状始终是(512,512)，可以直接用于绘图：

import numpy as np

data1 = D1.data
data1 = data1[0,0,...]  # 形状(512,512)
# 把所有<=0的数值替换成0（也可以换成你需要的其他值，比如np.nan）
data1_positive = np.where(data1 > 0, data1, 0)
print(data1_positive.shape)  # 输出(512,512)

方法二：创建新数组填充正数值 #

如果需要严格保留原正数值的位置，其余位置设为特定值，可以创建一个和原数组同形状的空数组，再通过索引填充：

import numpy as np

data1 = D1.data
data1 = data1[0,0,...]  # 形状(512,512)
data1_inx = np.where(data1 > 0)

# 创建和原数组同形状的零数组
data1_positive = np.zeros_like(data1)
# 用索引把原数组中的正数值填充到新数组对应位置
data1_positive[data1_inx] = data1[data1_inx]
print(data1_positive.shape)  # 输出(512,512)

这两种方法都能保持数组的二维结构，直接用于图像绘制。

内容的提问来源于stack exchange，提问作者vintz