如何消除plt.pcolormesh()行偏移时出现的像素倾斜问题？

嗨，我完全懂你遇到的这个困扰——为了修正实验数据里的弯曲伪影，你给每行的X网格做了偏移，结果用pcolormesh绘图时，像素居然出现了不必要的倾斜，这肯定不是你想要的效果。别担心，我来帮你解决这个问题。

为什么会出现倾斜？ #

当你用pcolormesh绘图时，它会根据你提供的X、Y网格来构建每个像素的四边形顶点。在你原来的无偏移网格中，每行的x坐标都是完全一致的，所以每个像素的左右边界是垂直对齐的，呈现标准的矩形。但当你逐行偏移X网格后，相邻行的对应x坐标不再对齐（比如第一行第一个x是1，第二行第一个x变成了0），pcolormesh会把相邻行的对应点连接起来，导致像素变成梯形，也就是你看到的倾斜效果。

解决方案 #

这里有两种实用的方法，你可以根据自己的需求选择：

方法一：插值到统一X轴（保留精确x坐标）

这种方法的核心是把每行偏移后的数据，重新插值到一个统一的目标X轴上，这样所有行的x坐标完全对齐，绘图时就不会出现倾斜，同时还能保留原始数据的定量信息。

修改你的示例代码如下：

import numpy as np
import matplotlib.pyplot as plt

# 原始数据设置
xs = [1, 3, 4, 8]
ys = [5, 6, 7, 8]
zGrid = np.random.rand(len(ys), len(xs))  # 对应Y的行数和X的列数
X, Y = np.meshgrid(xs, ys)
shifts = [0, 1, 2, 1]

# 计算所有偏移后的x值，确定目标X轴的范围
Xshifted = X - np.array(shifts)[:, np.newaxis]
target_x = np.linspace(Xshifted.min(), Xshifted.max(), 100)  # 采样点数可根据需求调整

# 对每行数据进行插值，映射到统一X轴
new_zGrid = np.zeros((len(ys), len(target_x)))
for i in range(len(ys)):
    # 该行原始偏移后的x坐标
    original_shifted_x = X[i, :] - shifts[i]
    # 线性插值到目标X轴
    new_zGrid[i, :] = np.interp(target_x, original_shifted_x, zGrid[i, :])

# 生成新的网格用于绘图
new_X, new_Y = np.meshgrid(target_x, ys)

# 绘图对比
fig, axs = plt.subplots(3, 1, figsize=(8, 10))

# 原始无偏移图
axs[0].pcolormesh(X, Y, zGrid, shading='nearest', cmap=plt.cm.jet)
axs[0].set_title('原始图（无偏移）')

# 偏移后有倾斜的图
axs[1].pcolormesh(Xshifted, Y, zGrid, shading='nearest', cmap=plt.cm.jet)
axs[1].set_title('偏移后存在倾斜的图')

# 插值后无倾斜的图
axs[2].pcolormesh(new_X, new_Y, new_zGrid, shading='nearest', cmap=plt.cm.jet)
axs[2].set_title('插值后无倾斜的图')

plt.tight_layout()
plt.show()

方法二：用imshow配合自定义刻度（简单快捷）

如果你不需要严格保留原始x坐标的间隔，只是想快速得到垂直对齐的像素，用imshow绘图并手动设置x轴刻度是更简单的选择：

import numpy as np
import matplotlib.pyplot as plt

xs = [1, 3, 4, 8]
ys = [5, 6, 7, 8]
zGrid = np.random.rand(len(ys), len(xs))
shifts = [0, 1, 2, 1]
X, Y = np.meshgrid(xs, ys)

# 计算偏移后的x范围
Xshifted = X - np.array(shifts)[:, np.newaxis]
min_x, max_x = Xshifted.min(), Xshifted.max()
min_y, max_y = min(ys), max(ys)

# 绘图对比
fig, axs = plt.subplots(2, 1, figsize=(8, 8))

# 偏移后有倾斜的图
axs[0].pcolormesh(Xshifted, Y, zGrid, shading='nearest', cmap=plt.cm.jet)
axs[0].set_title('偏移后存在倾斜的图')

# imshow绘制无倾斜的图
axs[1].imshow(zGrid, cmap=plt.cm.jet, aspect='auto', extent=[min_x, max_x, max_y, min_y])
# 自定义x轴刻度，对应原始偏移后的x位置
tick_pos = np.linspace(min_x, max_x, len(xs))
axs[1].set_xticks(tick_pos)
axs[1].set_xticklabels([f"{x - s:.1f}" for x, s in zip(xs, shifts)])
axs[1].set_title('imshow绘制的无倾斜图')

plt.tight_layout()
plt.show()

方法对比 #

• 方法一：适合需要保留精确x坐标信息、进行定量分析的场景，插值后的数据能更真实地反映偏移后的分布，但需要额外的插值步骤。
• 方法二：操作简单快捷，适合只需要可视化、对x坐标间隔要求不高的场景，能快速得到垂直对齐的像素效果。

备注：内容来源于stack exchange，提问作者def_con