如何用Matplotlib的imshow()而非scatter()展示带RGB颜色的坐标点？

要完全用imshow替代散点渲染，核心是绕开scatter的逐点绘制逻辑，直接构造一张和目标分辨率匹配的三通道RGB数组：先初始化空白画布，再把每个坐标点对应的RGB值直接写入数组的对应像素位置，最后渲染整张数组即可。这种方式的渲染效率远高于scatter逐点绘制，尤其是处理大量点坐标时优势明显。

• 遍历所有点坐标，计算x、y方向的最大值，确定画布的实际尺寸，避免点被边缘裁切
• 初始化对应尺寸的三维数组（维度为「画布高度, 画布宽度, 3个RGB通道」），默认填充白色背景值
• 逐点把颜色值写入数组的对应位置
• 调用imshow时关闭自动插值，让每个像素渲染为硬边方块

import numpy as np
import matplotlib.pyplot as plt

# 原始输入数据
points = ((1, 0), (12, 20), (11, 0), (12, 28), (9, 24), (3, 17), (1, 13), (11, 0))
rgb_data = np.array([
    [0., 0., 0.],
    [0., 0., 1.],
    [0., 0., 0.5],
    [0.125, 0.529, 1.0],
    [0.33, 0.4, 0.67],
    [0.6, 0.5, 1.0],
    [0., 1., 0.],
    [1., 0., 0.]
])

# 计算画布尺寸
max_x = max(p[0] for p in points)
max_y = max(p[1] for p in points)
# 初始化白色背景的画布
canvas = np.ones((max_y + 1, max_x + 1, 3), dtype=np.float32)

# 填充每个点的颜色
# 注意数组索引规则：canvas[行=垂直方向y坐标, 列=水平方向x坐标]
for (x, y), color in zip(points, rgb_data):
    canvas[y, x] = color

# 渲染画布，nearest插值保证像素为硬边方块
plt.imshow(canvas, interpolation='nearest')
plt.show()

• 坐标对应关系不能搞反：很多人写的时候直接把(x,y)按顺序对应到数组索引，会导致渲染结果上下翻转，因为imshow默认的坐标原点在数组的左上角，数组的第一索引维度是垂直向下的y轴，第二索引维度是水平向右的x轴。
• 插值参数不能忘：如果不手动设置interpolation='nearest'，imshow会默认启用双线性插值，对相邻像素做平滑过渡，出来的效果和scatter的柔边散点没有区别，达不到硬边像素块的要求。
• 重复坐标的逻辑自动适配：因为是按顺序给数组赋值，同坐标位置的新颜色会自动覆盖旧值，刚好匹配输入数据里重复出现的坐标点的渲染需求。
• 颜色范围适配：提供的RGB值都是0-1区间的浮点数，和imshow默认的浮点数输入范围完全兼容；如果后续换用0-255的整数型RGB值，只要把画布的dtype改成np.uint8即可，不需要做额外的数值缩放。

内容的提问来源于stack exchange，提问作者4daJKong