如何为接收二维列表的函数传参以绘制Contour plot？

这问题我之前也碰到过！核心原因是你的f(list)函数期望接收单个长度为2的数值列表，但meshgrid生成的X和Y是二维数组，直接传[X,Y]相当于给函数塞了两个大数组，完全不匹配函数的参数要求。下面给你几种可行的解决办法：

方法1：用np.vectorize包装函数，适配数组输入 #

np.vectorize可以把只处理单个数值的函数，转换成能批量处理数组元素的版本。我们可以用一个lambda函数把X和Y的每个元素打包成列表，再传给原函数f：

import numpy as np
import matplotlib.pyplot as plt

# 示例f函数（替换成你自己的实现）
def f(lst):
    entry_1, entry_2 = lst
    return entry_1 ** 2 + entry_2 ** 2

# 包装函数，让它能接收X、Y两个数组参数
f_vectorized = np.vectorize(lambda x, y: f([x, y]))

x = np.linspace(0, 2, 1001)
y = np.linspace(0, 2, 1001)
X, Y = np.meshgrid(x, y)

# 生成Z数组
Z = f_vectorized(X, Y)

plt.contour(X, Y, Z)
plt.show()

⚠️ 注意：np.vectorize本质是在底层做循环，性能不如原生numpy数组运算，适合快速验证逻辑，大数据量场景建议用下面的方法。

方法2：用np.apply_along_axis逐点应用函数 #

我们可以把X和Y堆叠成一个三维数组（每个位置存储对应点的[x,y]），然后沿着最后一维对每个点应用f函数：

import numpy as np
import matplotlib.pyplot as plt

def f(lst):
    entry_1, entry_2 = lst
    return entry_1 ** 2 + entry_2 ** 2

x = np.linspace(0, 2, 1001)
y = np.linspace(0, 2, 1001)
X, Y = np.meshgrid(x, y)

# 堆叠X和Y，得到形状为(1001, 1001, 2)的数组，每个元素是[x,y]
XY_grid = np.stack([X, Y], axis=-1)
# 沿着最后一维（axis=2）对每个[x,y]应用f函数
Z = np.apply_along_axis(f, axis=2, arr=XY_grid)

plt.contour(X, Y, Z)
plt.show()

这个方法比vectorize更可靠，但同样是逐元素处理，性能不如直接修改函数参数。

方法3：修改函数f的参数形式（最优解） #

如果可以修改f的定义，直接让它接收两个独立的参数x和y，那是效率最高的方案——numpy的广播机制会直接处理数组运算，完全不需要循环：

import numpy as np
import matplotlib.pyplot as plt

# 修改后的f函数，直接接收x和y参数
def f(x, y):
    return x ** 2 + y ** 2

x = np.linspace(0, 2, 1001)
y = np.linspace(0, 2, 1001)
X, Y = np.meshgrid(x, y)

# 直接调用，numpy会自动处理数组广播
Z = f(X, Y)

plt.contour(X, Y, Z)
plt.show()

这种方法性能最好，代码也最简洁，推荐优先考虑。

内容的提问来源于stack exchange，提问作者Gabriel Das Neves