如何正确将3D数组转换为2D数组以使用contourf正常绘图无失真

核心原因 #

你遇到的差异本质不是numpy reshape操作导致的数值变化，而是matplotlib两个绘图函数的默认配置差异，以及冗余操作带来的不必要风险，具体如下：

• 坐标原点默认值不同：plt.imshow() 默认origin='upper'，以图像左上角为坐标原点；plt.contourf() 默认origin='lower'，以左下角为坐标原点，这会直接导致图像上下翻转，看起来出现失真。
• 色阶映射默认规则不同：两个函数默认都自动适配当前输入数组的最值生成色阶，如果你对数组做过StandardScaler缩放，两次绘图输入的数组数值范围有差异，就会出现色条最大值不一致的情况。
• 冗余reshape操作本身无损：你先把(60,60,1)转成(1, 3600)再转回(60,60)的操作本身不会修改数组内的数值，你可以用np.array_equal(x.squeeze(), x.reshape(1, 3600).reshape(60,60))验证，返回True即代表数值完全一致。

解决方法 #

1. 简化维度转换操作：直接用squeeze()去掉长度为1的最后一维即可得到二维数组，不需要多次reshape避免操作失误：

import numpy as np
import matplotlib.pyplot as plt

# 原始数组
x = np.random.rand(60,60,1)
# 直接转换为(60,60)二维数组
x_2d = x.squeeze()

2. 调用contourf时对齐imshow的配置：手动指定原点参数、色阶范围和imshow一致即可得到完全一致的绘图结果：

# 取数组实际最值固定色阶范围，避免自动适配产生差异
vmin, vmax = x.min(), x.max()
# 绘图时指定origin='upper'对齐imshow的坐标规则
cs = plt.contourf(x_2d, origin='upper', vmin=vmin, vmax=vmax)
plt.colorbar()
plt.show()

3. 如果你使用了StandardScaler做了数值缩放，又需要和原始数组的绘图结果对齐，可以提前保存原始的二维数组，或者用StandardScaler的inverse_transform方法把缩放后的数值转回原始范围再绘图。

补充说明 #

你提到的「contourf是唯一支持自定义色条的绘图函数」的说法不准确，plt.imshow()同样支持自定义colormap、色条范围、色条刻度等配置，如果你不需要等高线效果，直接用imshow也可以实现完全自定义的色条效果。

内容的提问来源于stack exchange，提问作者McM