### Python Matplotlib 中 `TypeError: Input z must be 2D, not 3D` 的解决方案 当使用 `matplotlib` 绘制二维图形时，例如绘制等高线图或填充等高线图（如 `contourf()` 或 `contour()` 函数），输入的 `z` 数据必须是一个二维数组。如果提供的是三维数据，则会引发 `TypeError: Input z must be 2D, not 3D` 错误。 以下是解决问题的具体方法： #### 方法一：通过切片提取所需维度 如果原始数据是三维数组，可以通过索引操作将其降维至二维。假设三维数组的形式为 `(t, x, y)`，其中 `t` 表示时间或其他额外维度，可以选取特定的时间步长或将多个时间步长的数据取平均值[^1]。 ```python # 假设 data 是一个三维数组 (time, latitude, longitude) data_2d = data[0, :, :] # 提取第一个时间步长的数据作为二维数组 ``` 或者计算多时间步长的均值： ```python data_2d = data.mean(axis=0) # 对 time 轴求均值得到二维数组 ``` #### 方法二：利用 NumPy 将三维数据重塑为二维 对于某些特殊情况下的三维数据，可能需要手动调整其形状以适应绘图需求。这通常涉及将多余的一维压缩掉，并确保剩余两维符合绘图所需的网格结构[^2]。 ```python import numpy as np # 假设 zz 是一个三维数组 shape=(n_time, n_x, n_y)，仅保留最后两个维度 zz_reshaped = zz[-1, :, :] # 取最后一个时间步长的数据 ``` #### 方法三：验证并修正网格数据一致性 在使用 `plt.contourf()` 或其他类似函数时，除了 `z` 必须是二维外，还需要保证 `x`, `y` 和 `z` 的尺寸匹配。具体来说，`x` 和 `y` 应该是由 `np.meshgrid()` 创建的网格化数据[^1]。 ```python import numpy as np import matplotlib.pyplot as plt def f(x, y): return (1 - x / 2 + x ** 3 + y ** 5) * np.exp(-x ** 2 - y ** 2) n = 256 x = np.linspace(-3, 3, n) y = np.linspace(-3, 3, n) X, Y = np.meshgrid(x, y) # 网格化处理 Z = f(X, Y) # 使用网格化的 X,Y 来生成 Z plt.contourf(X, Y, Z) # 正确传递二维数据给 contourf() plt.show() ``` #### 方法四：针对 NetCDF 文件中的三维变量 如果是从 NetCDF 文件加载的数据，可能会遇到类似的错误。此时应先确认目标变量是否已经经过适当降维处理。例如，在引用案例中提到的操作流程如下[^3]： ```python import numpy as np import xarray as xr # 加载NetCDF文件 ds_u = xr.open_dataset('path_to_file/u.nc') u = ds_u['u'] # 进一步筛选和降维 u_mean = u.mean(dim='time') # 时间轴上的平均值 ``` 最终得到的结果将是二维数组形式，可以直接用于后续绘图。 --- ### 总结 上述四种方式分别适用于不同场景下解决 `TypeError: Input z must be 2D, not 3D` 的问题。无论是简单的切片还是复杂的网格外推运算，关键是始终让传入绘图接口的数据满足严格的二维约束条件。 --- 问题