np.stack堆叠二维数组为三维数组后数据绘图结果异常咨询

问题原因 #

出现该问题基本都是数组堆叠前的属性不统一导致的，和contourf绘图逻辑无关，常见诱因有三类：

• 原始单日数组为非连续内存的视图对象
  地球科学数据处理中，经常会对读入的原始网格做维度切片、坐标转置、掩膜裁剪操作，这时候生成的day1~day10大多是NumPy视图而非独立的连续内存副本。当输入np.stack的数组步长（stride）不统一时，部分NumPy版本拼接时会出现内存读取错位，最终得到的三维数组切片值和原始单日数据不匹配。
• 数组类型被隐式转换
  如果10组单日数组中存在dtype不一致的情况（比如某一组是float64、其余是float32，或者部分是带缺省值的MaskedArray、部分是普通ndarray），np.stack会自动将所有数组转换为统一dtype，转换过程中缺省值、掩膜位处理错误就会导致数值错乱。
• 维度顺序意外变动
  如果堆叠后对u_x做过转置、维度移动操作，哪怕打印shape显示为(10, 748, 943)，实际索引u_x[0]取到的也可能不是首个时间片的数据。

排查与修复步骤 #

1. 先做数值一致性校验，定位问题根源
   执行以下代码直接对比原始数据和堆叠后切片的数值差异，不要靠绘图结果判断：

   import numpy as np
   # 对比数值差
   max_diff = np.nanmax(np.abs(day1 - u_x[0]))
   print(f"原始day1与u_x[0]最大绝对差值：{max_diff}")
   print(f"原始数组dtype：{day1.dtype}，堆叠后切片dtype：{u_x[0].dtype}")
   print(f"原始数组步长：{day1.strides}，堆叠后切片步长：{u_x[0].strides}")
   

   如果最大差值为0，说明数组堆叠没有问题，异常是绘图时的色阶、坐标参数不一致导致的；如果差值不为0，按后续步骤修复即可。
2. 预处理单日数组后再堆叠
   堆叠前先把所有单日数组转为连续内存的同类型副本，从根源上避免视图错位、dtype隐式转换问题：

   # 普通浮点数组用这个，dtype和你的原始数据保持一致即可
   day_list = [np.ascontiguousarray(d, dtype=day1.dtype) for d in [day1,day2,day3,day4,day5,day6,day7,day8,day9,day10]]
   # 如果是带缺省掩膜的MaskedArray，替换为下面这行
   # day_list = [np.ma.ascontiguousarray(d, dtype=day1.dtype) for d in [day1,day2,day3,day4,day5,day6,day7,day8,day9,day10]]
   
   # 显式指定在第0维堆叠，避免默认参数变动带来的问题
   u_x = np.stack(day_list, axis=0)
   

3. 堆叠完成后再次执行第一步的校验代码，确认u_x[0]和day1的最大差值为0，再调用plt.contourf(u_x[0])绘图，结果就会和直接绘制day1完全一致。

内容的提问来源于stack exchange，提问作者strom