Python matplotlib pcolormesh伪影

我用以下格式描述了地球上的网格：

lon1,lat1,value1
lon2,lat2,value2
...

我写了以下脚本来绘制它：

import matplotlib.pyplot as plt
import numpy as np
import numpy.ma as ma


lons,lats,grads=np.loadtxt('surface.txt',dtype=str).T
lons=lons.astype(float).reshape(715,252)
lats=lats.astype(float).reshape(715,252)
grads[grads=='NA'] = np.nan
grads=grads.astype(float).reshape(715,252)
grads=ma.masked_where(np.isnan(grads),grads)

fig=plt.figure()
ax=plt.gca()
im=ax.pcolormesh(lons,lats,grads)
plt.colorbar(im)
plt.title('pcolormesh')

除了出现在大约

y=-5处的伪影之外，一切正常

我已经用
tourtf
绘制了相同的数据，以确保它不在数据中，并且伪影消失了，但我想使用


我发现了这个相关问题，但无法从中找到解决方案：
在@Eric的评论之后

你的问题是纬度和经度是循环的，你的
最大经度值环绕

我修改了代码，在绘制之前对经度进行重新排序，使它们是连续的

data=np.loadtxt('surface.txt',dtype=str)
lons=data.T[0].astype(float)

#reorder the data so that lons smaller than 180 are before larger ones
data=np.hstack((data[lons<180].T,data[lons>=180].T))

lons,lats,grads=data
lons=lons.astype(float).reshape(715,252)
lats=lats.astype(float).reshape(715,252)
grads[grads=='NA']=np.nan
grads=grads.astype(float).reshape(715,252)

grads=ma.masked_where(np.isnan(grads),grads)

fig=plt.figure()
ax=plt.gca()
im=ax.pcolormesh(lons,lats,grads)
plt.colorbar(im)
plt.title('pcolormesh')

data=np.loadtxt（'surface.txt'，dtype=str）
lons=data.T[0].aType（浮点型）
#重新排列数据，使小于180的LON优先于较大的LON
数据=np.hstack（（数据[lons=180].T））
lons、lats、grads=数据
lons=lons.aType（浮动）。重塑（715252）
lats=lats.astype（浮动）。重塑（715252）
梯度[grads=='NA']=np.nan
渐变=渐变.aType（浮动）.重塑（715252）
grads=硕士学位，其中（np.isnan（grads），grads）
图=plt.图（）
ax=plt.gca（）
im=最大pcolormesh（lons、lats、grads）
打印颜色条（im）
产品名称（“pcolormesh”）

你能把数据切成更小的矩形吗？你的问题是纬度和经度是循环的，你的最大经度值是环绕的。同样值得注意的是，在这种情况下，
ax.pcolormesh（lons，lats，grads）
与
ax.pcolormesh（lons，lats，grads[：-1，：-1]）是一样的，即，您的数据的最后一行和最后一列正在discarded@Eric关于“你的问题是纬度和经度是循环的”，你是对的，但我仍然不知道如何使用这些信息来解决这个问题。你的x坐标看起来像
[-30，0，30，…，240，270，-60]
（例如）。那个红色框是
pcolor
从
270
到
-60
data=np.loadtxt('surface.txt',dtype=str)
lons=data.T[0].astype(float)

#reorder the data so that lons smaller than 180 are before larger ones
data=np.hstack((data[lons<180].T,data[lons>=180].T))

lons,lats,grads=data
lons=lons.astype(float).reshape(715,252)
lats=lats.astype(float).reshape(715,252)
grads[grads=='NA']=np.nan
grads=grads.astype(float).reshape(715,252)

grads=ma.masked_where(np.isnan(grads),grads)

fig=plt.figure()
ax=plt.gca()
im=ax.pcolormesh(lons,lats,grads)
plt.colorbar(im)
plt.title('pcolormesh')