Python绘制磁场强度等高线图报错：z值需为二维，求数据替换方法

这个报错的核心原因是：matplotlib的contour()或contourf()函数要求z必须是二维数组，用来对应x-y平面上每个网格点的磁场强度值。以下分两种常见场景给出解决方案：

场景1：原始数据是散点（x、y、z均为一维数组） #

如果你的x、y是离散的采样点坐标，z是对应每个点的磁场值，需要先将x、y转换成规则网格，再把z插值成网格对应的二维数据：

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

# 替换成你的实际数据
x = np.array([1, 2, 3, 4, 5])  # 一维x坐标
y = np.array([1, 2, 3, 4, 5])  # 一维y坐标
z = np.array([0.1, 0.3, 0.5, 0.7, 0.9])  # 对应每个(x,y)点的磁场强度

# 生成更密集的规则网格（可调整100为你需要的精度）
xi = np.linspace(x.min(), x.max(), 100)
yi = np.linspace(y.min(), y.max(), 100)
X, Y = np.meshgrid(xi, yi)

# 将一维z插值为二维网格数据，method可选nearest/linear/cubic
Z = griddata((x, y), z, (X, Y), method='cubic')

# 绘制等高线图
plt.contour(X, Y, Z, levels=10)  # levels控制等高线数量
plt.colorbar(label='磁场强度')
plt.xlabel('X轴')
plt.ylabel('Y轴')
plt.title('磁场强度等高线分布')
plt.show()

场景2：原始数据是规则网格，但z被存成了一维数组 #

如果你的x、y是网格的一维坐标轴（比如x有m个点，y有n个点），z本来应该是m×n的二维数据但被展平成了一维，直接用reshape恢复形状即可：

import numpy as np
import matplotlib.pyplot as plt

# 替换成你的实际数据
x = np.linspace(0, 10, 5)  # x轴的5个刻度
y = np.linspace(0, 10, 5)  # y轴的5个刻度
z = np.random.rand(25)  # 原本是5×5的网格数据，被展平成25个元素的一维数组

# 生成二维网格矩阵
X, Y = np.meshgrid(x, y)
# 将z恢复为和X/Y相同形状的二维数组
Z = z.reshape(X.shape)

# 绘制填充等高线图
plt.contourf(X, Y, Z, cmap='viridis')
plt.colorbar(label='磁场强度')
plt.show()

额外注意 #

• 若你的x、y本身就是二维网格数组（比如已经通过meshgrid生成过），只需确保z的形状与x、y完全一致即可。
• 插值方法选择：nearest速度最快但平滑度最低，linear平衡速度与平滑度，cubic平滑度最高但计算耗时稍长，可根据数据需求调整。

内容的提问来源于stack exchange，提问作者Farah Aunie