如何将0-1二维矩阵绘制为仅值为1处显示黑点的散点图

你之前使用plt.pcolormesh的方式是生成网格伪彩图，无法实现仅在值为1的位置显示离散黑点的需求，直接提取所有值为1的元素坐标后调用scatter绘制即可，运行效率高，也适配后续叠加等高线的需求，完整实现代码如下：

import numpy as np
import matplotlib.pyplot as plt

# 替换为你实际的275×357大小的0-1矩阵即可
array = np.array(([0,0,0,0,0,0,1,1,0,0,0,1,1,1], [0,1,0,0,0,1,0,0,0,0,0,1,0,1]))

# 提取所有值为1的元素的坐标：y为行索引对应y轴，x为列索引对应x轴
y, x = np.where(array == 1)

# 初始化绘图对象，后续等高线也在该ax对象上绘制即可自动叠加
fig, ax = plt.subplots()

# 绘制黑色散点：s参数调整点大小，marker='.'对应小圆点
ax.scatter(x, y, c='black', s=10, marker='.')

# 可选：反转y轴让矩阵第一行显示在图的上方，符合常规矩阵阅读习惯
ax.invert_yaxis()

# 此处插入你的等高线绘制代码，示例：ax.contour(等高线X网格, 等高线Y网格, 等高线数值矩阵)

plt.show()

适配叠加等高线的注意事项 #

• 坐标匹配：如果你的等高线图的坐标范围和矩阵行列下标不一致，对x、y做线性缩放即可，比如等高线x轴范围是0~20，矩阵列数为357，可通过x = x / array.shape[1] * 20实现坐标映射，y轴同理。
• 显示效果调整：可调整s参数修改点的大小，避免点过密重叠或过疏看不清；如果不需要显示坐标轴刻度边框，可添加ax.axis('off')隐藏。
• 层级控制：散点默认绘制在等高线上层，如果你需要调整层级，可给scatter方法添加zorder参数，数值越大层级越高。

内容的提问来源于stack exchange，提问作者wabash