首先，您应该运行以下代码：import numpy as np

X = np.asarray()

Y = np.asarray()

Z = np.asarray()

Xu = np.unique(X)

Yu = np.unique(Y)

然后您可以应用以下任何一种方法。值得注意的是，即使数据没有被分类(与目前接受的答案相反)，所有这些方法都能正常工作：

1)一个for循环和numpy.where()函数

这也许是最简单、最易读的解决方案：

^{pr2}$

2)列表理解和numpy.sort()函数

这个解决方案比前一个方案更复杂一些，它依赖于Numpy的structured arrays：data_type = [('x', np.float), ('y', np.float), ('z', np.uint8)]

XYZ = [(X[i], Y[i], Z[i]) for i in range(len(X))]

table = np.array(XYZ, dtype=data_type)

Zimg = np.sort(table, order=['y', 'x'])['z'].reshape(Xu.size, Yu.size)

3)矢量化

使用lexsort是执行所需任务的优雅而高效的方法：Zimg = Z[np.lexsort((Y, X))].reshape(Xu.size, Yu.size)

4)纯Python，不使用NumPy

您可能想查看this link以获得一个没有任何第三方依赖关系的纯Python解决方案。在

最后，您有不同的选项将Zimg另存为图像：from PIL import Image

Image.fromarray(Zimg).save('z-pil.png')

import matplotlib.pyplot as plt

plt.imsave('z-matplotlib.png', Zimg)

import cv2

cv2.imwrite('z-cv2.png', Zimg)

import scipy.misc

scipy.misc.imsave('z-scipy.png', Zimg)