曼德博集合去白边代码报索引错误？对比Julia集求排查修复

问题根源拆解 #

你碰到的IndexError: too many indices for array，核心是变量pixel的维度完全不对：

• 在你的曼德博代码里，错误执行了pixel = mandelbrot(-0.7 + 0.27015j)——但mandelbrot函数的作用是计算单个复数点是否属于曼德博集合，返回的是一个标量数值（或NaN），根本不是生成整个集合的二维像素矩阵。
• 而你后续处理白边的代码（比如映射颜色、替换NaN通道的逻辑）都是基于二维像素矩阵设计的。当pixel是标量时，后续生成的pixel_rgb会变成一维数组，自然没法用pixel_rgb[:,:,i]这种三维索引去访问，直接触发索引错误。

对比你能正常运行的Julia集代码就能发现：Julia集里pixel = julia(-0.7 + 0.27015j)，julia函数直接返回的是整个集合的二维像素矩阵；但曼德博代码里你没正确调用生成矩阵的plot()函数来赋值给pixel。

修复步骤 #

1. 修正pixel的赋值逻辑 #

把错误的：

pixel = mandelbrot(-0.7 + 0.27015j)

替换成：

pixel = plot()

这样pixel就会是plot()函数生成的二维像素矩阵，和Julia集代码里的pixel维度完全匹配。

2. 调整代码执行顺序（优化逻辑清晰度） #

原代码里plt.axis('off')放在了plot()调用之前，而且plot()内部已经调用了imshow，建议调整顺序让逻辑更顺畅：

# 先生成完整的像素矩阵
pixel = plot()
# 再设置无坐标轴并显示初始图像
plt.axis('off')
plt.show()

3. 完整修复后的曼德博代码 #

import numpy as np
import matplotlib.pyplot as plt
from numpy import NaN

def mandelbrot(C):
    z = 0
    # 可以把迭代次数从10调高到100，细节会更丰富
    for n in range(1, 100):
        z = z**2 + C
        if abs(z) > 2:
            return n
    return NaN

def plot():
    X = np.arange(-2.0, 1.0, 0.05)
    Y = np.arange(-1.5, 1.5, 0.05)
    pixel = np.zeros((len(Y), len(X)))
    for x_iter, x in enumerate(X):
        for y_iter, y in enumerate(Y):
            pixel[y_iter, x_iter] = mandelbrot(x + 1j * y)
    plt.imshow(pixel, cmap='gray', extent=(X.min(), X.max(), Y.min(), Y.max()))
    return pixel

# 关键修正：调用plot()获取二维像素矩阵
pixel = plot()
plt.axis('off')
plt.show()

from PIL import Image

min_value = np.nanmin(pixel)
max_value = np.nanmax(pixel)
pixel_int = (255*(pixel-min_value)/(max_value-min_value)).astype(np.uint8)

# 选择颜色映射（可替换成jet/rainbow等）
lut = (plt.cm.viridis(np.arange(256)) * 255).astype(np.uint8)
pixel_rgb = lut[pixel_int]

# 将NaN区域设为透明（去除白边）
nan_color = [0,0,0,0]
for i,c in enumerate(nan_color):
    pixel_rgb[:,:,i] = np.where(np.isnan(pixel), c, pixel_rgb[:,:,i])

# 生成并显示最终图像
img = Image.fromarray(pixel_rgb, 'RGBA')
img.show()
print(pixel)

额外小优化 #

• 可以把mandelbrot函数里的迭代次数从10调高到100，曼德博集合的细节会清晰很多；
• 原代码里的from pylab import *可以移除，因为import matplotlib.pyplot as plt已经包含了所需的绘图功能，避免潜在的命名冲突。

内容的提问来源于stack exchange，提问作者Daniel L