询问Julia中使用非规整(x,y,z)元组调用PyPlot pcolor绘制彩色图的方法

以下是两种不需要手动循环构建2D数组的实现方案，根据你的数据特征选择即可：

方法1：适用场景为原始x、y本身是规则网格点，仅顺序被打乱 #

这种场景下可以用pandas的pivot方法一键生成所需的2D数组：

import pandas as pd
import matplotlib.pyplot as plt
import numpy as np

# 假设你的散点数据已提取为三个一维数组x、y、z
df = pd.DataFrame({'x':x, 'y':y, 'z':z})
# 自动生成pcolor要求的参数
arr_x = sorted(df['x'].unique())
arr_y = sorted(df['y'].unique())
image = df.pivot(index='y', columns='x', values='z').values

# 直接调用pcolor绘图
plt.pcolor(arr_x, arr_y, image)
plt.colorbar()
plt.show()

注意：该方案要求所有x、y组合都有对应的z值，无缺失，否则生成的image会存在NaN空值

方法2：适用场景为x、y是任意分布的无序散点，本身不是规则网格 #

这种场景可以用scipy的griddata工具自动完成插值和网格构建，不需要手动处理坐标对应关系：

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

# 假设散点数据已提取为三个一维数组x、y、z
points = np.column_stack((x, y))
values = z

# 自定义生成的网格分辨率，可根据需求调整数值
arr_x = np.linspace(min(x), max(x), 100)
arr_y = np.linspace(min(y), max(y), 100)
grid_x, grid_y = np.meshgrid(arr_x, arr_y)

# 自动插值生成2D的image数组，method可选'nearest'/'linear'/'cubic'适配不同精度需求
image = griddata(points, values, (grid_x, grid_y), method='nearest')

# 直接调用pcolor绘图
plt.pcolor(arr_x, arr_y, image)
plt.colorbar()
plt.show()

内容的提问来源于stack exchange，提问作者math_lover