plt.imshow()绘制2000×2000 NumPy热力图仅显示单一颜色问题求助

你的代码存在两个核心问题，直接导致统计错误和渲染异常：

• 坐标解析逻辑从设计上就不可靠。把x、y坐标拼成浮点数，再靠转字符串按小数点拆分的做法，会必然出现坐标错位：
  • 浮点数本身有精度误差，比如你存的123.456，实际内存里可能是123.4559999999999或者123.4560000001，转字符串拆分出来的y坐标完全不对
  • 浮点数转字符串会自动丢弃小数末尾的0，比如坐标对(5,120)存成浮点数是5.12，拆分后得到y=12，直接错位
  • 数值较大时浮点数会自动转科学计数法，比如1234.5可能显示成1.2345e+03，拆分逻辑直接失效
• 渲染异常和数组尺寸无关，2000×2000的数组对matplotlib来说是非常常规的渲染量级，不会有性能问题。你看到全纯色的直接原因是坐标错位后，所有非零值都挤在数组边角的极小区域，剩下99%以上的像素都是0，非零值被压缩到肉眼看不到的大小，看起来就是整块纯色。你加colorbar能识别到0~5500的范围，恰恰说明数组里确实有非零值，只是位置不对、分布太稀疏。

第一步：彻底替换坐标统计逻辑 #

不要用浮点数拼接存坐标，优先把x、y拆成两个独立的整数列存储，从根源避免解析错误。如果暂时改不了数据源，拆分坐标时必须补全小数位，再加边界校验避免索引报错：

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from matplotlib.colors import LogNorm

h_map = np.zeros((2000, 2000), dtype=np.int32)

def split_cord(cord_val):
    parts = str(cord_val).split(".")
    x = int(parts[0])
    # y最大为1999是4位，补全末尾0避免截断错误
    if len(parts) < 2:
        y = 0
    else:
        y_str = parts[1].ljust(4, "0")[:4]
        y = int(y_str)
    return x, y

# 逐行统计，加边界过滤非法坐标
for cord in df["coordinate"]:
    x, y = split_cord(cord)
    if 0 <= x < 2000 and 0 <= y < 2000:
        h_map[x, y] += 1

如果已经有拆分好的x、y列，直接用numpy内置的二维直方图统计更高效，不用自己写循环：

h_map, _, _ = np.histogram2d(
    df["x"], df["y"],
    bins=2000,
    range=[[0, 2000], [0, 2000]]
)

第二步：修正绘图代码 #

显式指定渲染参数，避免自动缩放带来的显示偏差：

fig, ax = plt.subplots(figsize=(10, 10))
im = ax.imshow(
    h_map,
    cmap="viridis",
    interpolation="nearest", # 关闭插值，避免像素模糊
    # 如果数据太稀疏，可以打开对数归一化优化显示
    # norm=LogNorm(vmin=1, vmax=np.max(h_map)),
    vmin=0,
    vmax=np.max(h_map),
    origin="lower" # 坐标原点在左下角，符合常规坐标系习惯，要和你的坐标对应
)
plt.colorbar(im, ax=ax)
plt.show()

验证技巧：如果绘图还是不对，先打印np.count_nonzero(h_map)看非零元素数量，再打印np.where(h_map == np.max(h_map))看最大值的位置，确认统计结果符合预期再调整可视化参数。如果非零值占比不到0.1%，属于数据本身稀疏，打开注释里的对数归一化就能看到分布。

内容的提问来源于stack exchange，提问作者MDDawid1