Matplotlib imshow()显示numpy.ones数组异常的修复方法问询

这确实不是bug，而是Matplotlib imshow()的预期行为——你查到的解释完全正确：当传入的数组所有元素值相同时，imshow()会自动将色图的最小值（vmin）和最大值（vmax）设为同一个值，这时候无法完成有效的归一化映射，所有像素都会被渲染成同一种颜色，刚好和你预期的黑色相反。

要解决这个问题，有几种简单直接的方法：

方法1：手动指定vmin和vmax #

最直接的方式是在调用imshow()时，强制指定色图的取值范围，比如你期望的0到1：

import matplotlib.pyplot as pyplot
import numpy as np

array = np.ones([10, 10])
fig, ax = pyplot.subplots(figsize=(10, 5))
# 手动设置色图的范围，确保1映射到binary色图的黑色
ax.imshow(array, cmap=pyplot.cm.binary, vmin=0, vmax=1)
pyplot.show()

方法2：使用轴对象的clim()方法 #

如果你已经调用了imshow()，也可以通过设置坐标轴的颜色范围来修正：

import matplotlib.pyplot as pyplot
import numpy as np

array = np.ones([10, 10])
fig, ax = pyplot.subplots(figsize=(10, 5))
ax.imshow(array, cmap=pyplot.cm.binary)
# 强制设置颜色范围
ax.clim(0, 1)
pyplot.show()

方法3：手动创建归一化对象 #

如果需要更灵活的归一化逻辑，可以使用matplotlib.colors.Normalize类：

import matplotlib.pyplot as pyplot
import numpy as np
from matplotlib.colors import Normalize

array = np.ones([10, 10])
fig, ax = pyplot.subplots(figsize=(10, 5))
# 创建归一化对象，指定范围
norm = Normalize(vmin=0, vmax=1)
ax.imshow(array, cmap=pyplot.cm.binary, norm=norm)
pyplot.show()

这几种方法的核心都是强制色图使用你预期的取值范围，而不是让Matplotlib自动推断。这样即使数组全是1，也会被正确映射到binary色图中对应1的颜色（也就是你想要的黑色）。

内容的提问来源于stack exchange，提问作者Mantas Kandratavičius