如何为等高图处理维度匹配的一维x、y、z数组（含inf值）？

核心问题分析 #

你之前用np.meshgrid(z,z)完全搞错了逻辑——meshgrid是用来把一维的x、y坐标转换成二维网格，而非用z生成网格。另外10201刚好是101×101，说明你的数据是按101×101的规则网格采样得到的一维数组，所以第一步要把x、y还原成对应网格，再将z重塑为匹配的二维形状。

正确处理步骤 #

1. 还原x/y的网格结构
   先提取x和y的唯一采样值，再生成二维网格：

   import numpy as np
   
   # 提取x、y的唯一值（每个维度对应101个采样点）
   x_unique = np.unique(x)
   y_unique = np.unique(y)
   # 生成对应二维网格
   X, Y = np.meshgrid(x_unique, y_unique)
   

2. 将一维z重塑为二维数组
   把长度10201的z转换成(101,101)的二维数组，注意维度顺序要和meshgrid对应：

   Z = z.reshape(len(y_unique), len(x_unique))
   # 若图形方向不对，可尝试转置：Z = z.reshape(...).T
   

3. 处理inf值
   把inf替换为NaN（matplotlib的contour会自动忽略NaN，不影响正常区域绘制）：

   Z[np.isinf(Z)] = np.nan
   

4. 绘制等高图
   用matplotlib完成绘图：

   import matplotlib.pyplot as plt
   
   fig, ax = plt.subplots()
   contour = ax.contour(X, Y, Z)
   # 可选：添加等高线数值标签
   ax.clabel(contour, inline=True, fontsize=10)
   ax.set_xlabel('x')
   ax.set_ylabel('y')
   plt.show()
   

特殊情况处理（非规则网格采样） #

如果x/y是随机采样而非规则网格，不能直接reshape，需要用插值生成规则网格的Z值：

from scipy.interpolate import griddata

# 生成规则网格的采样点
xi = np.linspace(x.min(), x.max(), 101)
yi = np.linspace(y.min(), y.max(), 101)
XI, YI = np.meshgrid(xi, yi)
# 用三次插值填充网格
ZI = griddata((x, y), z, (XI, YI), method='cubic')
# 处理inf值
ZI[np.isinf(ZI)] = np.nan
# 绘图
ax.contour(XI, YI, ZI)

内容的提问来源于stack exchange，提问作者Hoàng Lệ