如何用matplotlib.imshow绘制40×40三维数据集热力图并解决内存溢出

你的问题核心是错误地用原始数据的1600个点生成了1600×1600的插值网格，导致内存占用过高。以下是针对性的解决方法：

方案一：直接利用原始规整网格绘制（最优） #

因为你的数据集本身就是40×40的规整点，不需要额外插值，直接将一维数据重塑为二维数组后绘制即可：

import numpy as np
import matplotlib.pyplot as plt

# 假设x、y、z是存储对应分量的一维数组（各1600个元素）
x_2d = x.reshape(40, 40)
y_2d = y.reshape(40, 40)
z_2d = z.reshape(40, 40)

# 绘制热力图
plt.imshow(z_2d, 
           extent=[x.min(), x.max(), y.min(), y.max()],
           origin='lower', 
           aspect='auto', 
           cmap='viridis')
plt.colorbar(label='Max Source Temperature')
plt.xlabel('Reflectivity')
plt.ylabel('Emissivity')
plt.title('Max Source Temperature Heatmap')
plt.show()

方案二：按需设置插值网格分辨率（如需平滑效果） #

如果需要更平滑的热力图，不要用1600×1600的网格，自定义合理的分辨率（比如100×100）即可：

import numpy as np
import matplotlib.pyplot as plt
from scipy.interpolate import Rbf

# 定义插值后的网格大小，按需调整（示例为100×100）
xi = np.linspace(x.min(), x.max(), 100)
yi = np.linspace(y.min(), y.max(), 100)
xi_grid, yi_grid = np.meshgrid(xi, yi)

# 创建Rbf插值器并计算插值结果
rbf = Rbf(x, y, z, function='linear')
zi_grid = rbf(xi_grid, yi_grid)

# 绘制热力图
plt.imshow(zi_grid,
           extent=[x.min(), x.max(), y.min(), y.max()],
           origin='lower',
           aspect='auto',
           cmap='viridis')
plt.colorbar(label='Max Source Temperature')
plt.xlabel('Reflectivity')
plt.ylabel('Emissivity')
plt.title('Interpolated Max Source Temperature Heatmap')
plt.show()

方案三：修正原始Rbf调用的网格生成逻辑 #

如果坚持要用Rbf但不想改变分辨率，需提取X、Y的唯一值来生成匹配原始数据的40×40网格：

import numpy as np
from scipy.interpolate import Rbf

# 提取X和Y的唯一值（40×40网格对应各40个唯一值）
x_unique = np.unique(x)
y_unique = np.unique(y)
xi_grid, yi_grid = np.meshgrid(x_unique, y_unique)

# 插值计算
rbf = Rbf(x, y, z, function='linear')
zi_grid = rbf(xi_grid, yi_grid)

内容的提问来源于stack exchange，提问作者tjsmert44