Matplotlib网格偏移-0.5及二维数组颜色映射问题技术求助

我明白你遇到的网格偏移问题——这其实是Matplotlib绘制二维数组时默认坐标对齐方式导致的小坑，咱们一步步来搞定它：

问题根源 #

当你用plt.imshow()绘制二维数组时，默认会把每个像素的中心对齐到数组的索引位置（比如数组的(i,j)元素对应坐标(j+0.5, i+0.5)，因为imshow默认origin='upper'），而网格线默认是画在整数坐标上的，这就导致网格看起来偏移了半个单位。

实用解决方案 #

这里有两种常用的修复方式，你可以根据自己的需求选择：

方法1：调整imshow参数，让网格与像素边缘对齐 #

通过设置extent参数指定坐标范围，再配合aspect='equal'和adjustable='box'，就能让网格线正好落在像素的边缘：

from matplotlib import pyplot as plt
from matplotlib import colors
import numpy as np

# 示例数组
sample = np.zeros((20,20), dtype=int)
sample[2,2] = sample[4,4] = 2

# 颜色表与颜色边界
cmap = colors.ListedColormap(['black','white','red','green'])
bounds = [-6,0,1,99,105]
norm = colors.BoundaryNorm(bounds, cmap.N)

fig, ax = plt.subplots()
# 设置extent：x从0到20，y从0到20（对应20x20数组的边缘）
im = ax.imshow(sample, cmap=cmap, norm=norm, extent=[0, 20, 20, 0], aspect='equal', adjustable='box')
# 添加网格
ax.grid(True, color='gray', linestyle='-', linewidth=0.5)
# 调整刻度到整数位置
ax.set_xticks(np.arange(0, 21, 1))
ax.set_yticks(np.arange(0, 21, 1))

plt.colorbar(im)
plt.show()

方法2：用pcolormesh替代imshow #

pcolormesh的默认行为是把像素的边缘对齐到整数坐标，网格线会自然和像素边缘重合，不需要额外调整：

from matplotlib import pyplot as plt
from matplotlib import colors
import numpy as np

# 示例数组
sample = np.zeros((20,20), dtype=int)
sample[2,2] = sample[4,4] = 2

# 颜色表与颜色边界
cmap = colors.ListedColormap(['black','white','red','green'])
bounds = [-6,0,1,99,105]
norm = colors.BoundaryNorm(bounds, cmap.N)

fig, ax = plt.subplots()
# 创建坐标网格，x和y的范围是0到20（对应20x20数组的边缘）
x = np.arange(0, 21, 1)
y = np.arange(0, 21, 1)
# 使用pcolormesh绘制
im = ax.pcolormesh(x, y, sample, cmap=cmap, norm=norm)
# 添加网格
ax.grid(True, color='gray', linestyle='-', linewidth=0.5)
# 确保刻度对齐
ax.set_xticks(x)
ax.set_yticks(y)

plt.colorbar(im)
plt.show()

两种方法都能解决网格偏移的问题，如果你习惯用imshow就选第一种，要是更倾向于和坐标系统严格对齐，pcolormesh会更顺手。

内容的提问来源于stack exchange，提问作者Hirad Gorgoroth