imshow 绘制非常大的整数，但“dtype 对象无法转换为浮点数”

Float 在处理大整数时出现问题。以下代码对我有用，我希望这是您想要的结果。 在科学记数法中使用可读的数字总是比拥有非常大的数字要好一些。

import matplotlib.pyplot as plt
from matplotlib.ticker import ScalarFormatter
import numpy as np

p = 13
counts = [[0 for x in range(p)] for y in range(p)]
counts[0][0] = 100000000000000000000000

# Convert counts to a NumPy array
counts_array = np.array(counts, dtype=float)

# Create the plot
plt.imshow(counts_array, cmap='viridis', origin='lower', extent=[0, p-1, 0, p-1])
cbar = plt.colorbar()

cbar.set_ticks([np.min(counts_array), np.max(counts_array)])
cbar.ax.yaxis.set_major_formatter(ScalarFormatter(useOffset=False, useMathText=True))
cbar.update_ticks()

plt.show()

在上面的代码中，即使 imshow 和绘图有效，大数字仍然没有显示在色条中。我在这里添加了一个新的片段，这将有助于打印数字。我无法让 matplotlib 打印数字，所以现在我使用字符串显式格式化颜色条。

import matplotlib.pyplot as plt
import numpy as np

p = 13
counts = [[0 for x in range(p)] for y in range(p)]
counts[0][0] = 1000000000000000000000

# Convert counts to a NumPy array
counts_array = np.array(counts, dtype=float)

# Create the plot
plt.imshow(counts_array, cmap='viridis', origin='lower', extent=[0, p-1, 0, p-1])
cbar = plt.colorbar()

# Set custom tick labels for the colorbar
tick_labels = [f'{int(x):,}' for x in cbar.get_ticks()]
cbar.set_ticklabels(tick_labels)

plt.show()

新答案

（有关我的原始答案，请参阅以下部分。

根据问题的更新，从中可以清楚地看出，应该保留的基本信息是颜色条刻度标签上的精确整数值，这是我更新的答案。其关键思想是：

• 对于颜色条刻度位置和图像数据，请使用浮点值（因为这些是 Matplotlib 唯一可以在内部处理的值;请参阅下面的原始答案）。
• 对于颜色条刻度标签，请使用给定的整数值：将它们作为已格式化字符串的列表提供给 Matplotlib（遵循此方法）。

以下是相应的代码：

import matplotlib.pyplot as plt
from matplotlib.ticker import ScalarFormatter
import numpy as np

p = 13
counts = [[0 for x in range(p)] for y in range(p)]
# Provide some huge ints for demonstration purposes
counts[ 0][ 0] = 100000000000000000008
counts[ 0][-1] = counts[ 0][ 0] // 2
counts[-1][ 0] = counts[ 0][-1] // 2
counts[-1][-1] = counts[-1][ 0] // 2
# Get the unique values (without Numpy, just to be sure)
unique_counts = sorted(set(val for row in counts for val in row))
# Provide the image and tick *positions* as float values to avoid casting error
counts_img = np.array(counts, dtype=float)
counts_ticks = [float(val) for val in unique_counts]
# Provide the tick *labels* as strings generated from the original integer vals
counts_ticks_labels = [f'{val:,}' for val in unique_counts]
# Display everything
plt.imshow(counts_img, cmap='viridis', origin='lower', extent=[0, p-1, 0, p-1])
cbar = plt.colorbar(format=ScalarFormatter(useOffset=False))
cbar.set_ticks(ticks=counts_ticks, labels=counts_ticks_labels)
plt.show()

在旧版本的 Matplotlib 中，您可能需要按如下方式调整最后三行：

cbar = plt.colorbar(ticks=counts_ticks, format=ScalarFormatter(useOffset=False))
cbar.ax.set_yticklabels(counts_ticks_labels)
plt.show()

这是生成的图：

原始答案

简答

由于 Matplotlib 的内部工作依赖于 Numpy 数组来保存图像数据，我目前没有看到将巨大整数传递给 的方法。如果您可以接受近似值，请使用imshow()

counts[0][0] = float(100000000000000000000)

长答案

您看到错误的原因是，在显示之前，Matplotlib 在内部将嵌套的图像数据列表转换为 Numpy 数组。在 Matplotlib 的当前版本中，这发生在 cbook.safe_masked_invalid（） 中，它由 _ImageBase._normalize_image_array（） 调用，而 _ImageBase.set_data（） 由 Axes.imshow（） 调用。

这里的问题链如下：

1. 默认情况下，巨大的整数（即我假设不能用 Numpy 的 int_ 数据类型表示的整数）被转换为 Numpy 的数据类型。对于使用 的数据，会发生这种情况，但不会发生这种情况。您可以按如下方式轻松检查相应的 Numpy 行为：objectcounts[0][0] = 100000000000000000000counts[0][0] = 1000000000

   str(np.array([100000000000000000000]).dtype)
   # >>> 'object'
   str(np.array([1000000000]).dtype)
   # >>> 'int64'
   

   如前所述，在 Matplotlib 中，这发生在 cbook.safe_masked_invalid（） 中;更准确地说，它发生在 行 中，其中指的是您的嵌套列表。x = np.array(x, subok=True, copy=copy)xcounts

2. 之后，_ImageBase._normalize_image_array（） 检查生成的数组的数据类型是否为 either，或者是否可以转换为数据类型。对于 Numpy 的数据类型，两者都不是真的，因此会引发错误。uint8floatobject

为了避免这一连串的问题，我看到的唯一可能性是将数据转换为浮点值或浮点数组，一旦值变得太大，然后再将它们传递给 。imshow()