Python导入.dat文件绘制密度图出现reshape报错的原因及解决方法

错误原因 #

你当前代码的核心问题在于reshape操作的前提不成立：

• 你的总数据量为42485，int(len(z)**.5)计算得到的206的平方为42436，和总数据量不匹配，无法完成维度转换。
• 只有当x、y是严格的规则网格采样（即x有M个唯一值、y有N个唯一值，总数据量恰好为M*N，且数据按网格顺序排列）时，才能直接用reshape把z转成二维矩阵，你的原始.dat数据显然不满足这个前提。
• 额外笔误：原代码中cm.hot会报错，因为未导入cm模块，可直接替换为字符串'hot'。

修复方案 #

方案1：适配非方形规则网格 #

如果你的数据本身是规则网格结构，只是x、y的唯一值数量不相等，可通过提取x、y的唯一值来确定reshape的维度：

import matplotlib.pyplot as plt
import numpy as np

# 读取数据
x, y, z = np.loadtxt('data.dat', unpack=True, delimiter='\t')

# 获取x和y的唯一值
ux = np.unique(x)
uy = np.unique(y)
# 按实际网格维度reshape
z = z.reshape(len(uy), len(ux))

# 绘图
plt.pcolormesh(ux, uy, z, cmap='hot')
plt.colorbar()
plt.show()

方案2：散乱点插值后绘图 #

如果你的数据是无预设网格的散乱采样点，可通过插值生成规则网格后再绘制密度图：

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

# 读取数据
x, y, z = np.loadtxt('data.dat', unpack=True, delimiter='\t')

# 生成200*200的规则网格，可自行调整分辨率
xi = np.linspace(x.min(), x.max(), 200)
yi = np.linspace(y.min(), y.max(), 200)
xi, yi = np.meshgrid(xi, yi)

# 插值计算网格对应z值，可选插值方法：'nearest'（最快）、'linear'、'cubic'（最平滑）
zi = griddata((x, y), z, (xi, yi), method='cubic')

# 绘图，origin='lower'保证y轴坐标方向和原始数据一致
plt.imshow(zi, extent=(x.min(), x.max(), y.min(), y.max()), origin='lower', cmap='hot')
plt.colorbar()
plt.show()

内容的提问来源于stack exchange，提问作者HeitorGalacian