基于7x7稀疏概率矩阵调用matplotlib pcolormesh绘图时报解包类ValueError

• 触发当前ValueError的直接原因：传给pcolormesh的颜色值数组不是合法的二维矩阵。你写的nprob[x,y]是对scipy稀疏矩阵做花式索引的错误操作——稀疏矩阵不支持用两个同形状的坐标数组直接做二维取值，这类操作最终会返回一个长度为49的一维扁平数组，没有二维结构。当matplotlib尝试执行nrows, ncols = C.shape拆分这个数组的维度时，发现一维数组的shape只有1个元素，根本没法拆成行、列两个值，就抛出了“expected 2, got 0”的解包错误。
• 代码里还藏了两处会引发后续报错的问题：
  • 坐标维度不匹配：pcolormesh在默认的shading='flat'模式下，代表色块边界的x/y坐标需要比颜色矩阵的行/列数多1个点（每个色块由相邻两个边界点确定）。你用np.arange(0,7,1)生成的7个坐标点，和7x7的概率矩阵维度不对齐，哪怕修正了索引问题，也会触发新的维度匹配报错。
  • 归一化逻辑笔误：原代码nprob = prob/sum里的sum是Python内置函数，没有对prob矩阵做整体求和，正确的归一化写法应该是对prob自身求所有元素的和，也就是prob.sum()。

import numpy as np
import matplotlib.pyplot as plt

# 归一化生成概率密度矩阵，转成常规numpy数组规避稀疏矩阵索引问题
nprob = (prob / prob.sum()).toarray()
# 生成7个方块对应的边界坐标：共8个点
x_edges = np.arange(0, 8, 1)
y_edges = np.arange(0, 8, 1)

fig, dens = plt.subplots()
dens.set_title('probability density for...')
dens.set_xlabel('i')
dens.set_ylabel('t')
# 直接传入二维nprob矩阵作为颜色值，不需要手动做坐标索引
m = dens.pcolormesh(x_edges, y_edges, nprob, cmap='Blues', shading='flat')
cbar = plt.colorbar(m)
plt.show()

• 完全不需要用np.meshgrid生成二维坐标传给pcolormesh：pcolormesh支持直接传入一维的边界坐标向量，内部会自动匹配对应关系，手动生成二维网格反而容易引发维度计算错误。
• 不需要手动按坐标对概率矩阵做取值：pcolormesh会自动按二维矩阵的行列顺序，把每个矩阵元素对应到坐标范围内的一个色块上，手动索引只会把规整的二维矩阵压成一维，引发维度错误。
• 如果想用7个坐标点对应7个方块的中心位置，只需要把shading参数改成'nearest'，坐标用0到6的整数序列即可，这种模式下坐标和颜色矩阵的维度是完全相等的。

内容的提问来源于stack exchange，提问作者qmstatmech