我想画一个函数y = f（x）的热图，y在[0，1]中，x在[0，2]中，当x〈= 1时，f（x）=1;并且当x〉1时，f（x）= y。
首先，我生成了一个网格大小为0. 1的数据矩阵，看起来很好，但是我想让颜色变化平滑，所以我把网格大小减小到了0. 02和0. 01，奇怪的是现在图上出现了一些怪异的白色。
我在网上搜索了一些解决方案（例如How to get rid of white lines in confusion matrix?），比如plt.grid(None)、ax.grid(None)或plt.rcParams["axes.grid"] = False。我尝试了所有的解决方案，但是没有一个适合我。下面是我在gridsize = 0.01时绘制Map的代码。

import numpy as np
import matplotlib
import matplotlib.pyplot as plt
from matplotlib.colors import ListedColormap, LinearSegmentedColormap
plt.rcParams["axes.grid"] = False

if __name__ == '__main__':

    heat_results = np.empty((101, 101))
    heat_results[:, :] = np.nan
    for x in np.arange(0.0, 1.01, 0.01):
         for y in np.arange(0.0, 2.02, 0.02):
              ind_x = int(x*100)
              ind_y = int(y*50)
              if y <= 1.0: heat_results[ind_x][ind_y] = 1.0
              else: heat_results[ind_x][ind_y] = x

    minv = np.nanmin(heat_results)
    maxv = np.nanmax(heat_results)

    # print('minv, maxv:')

    # print(minv)
    # print(maxv)

    colors = ["lime", "saddlebrown"]
    cmap = LinearSegmentedColormap.from_list("mycmap", colors)

    heat_results = (heat_results - minv) / (maxv - minv)

    fig, ax = plt.subplots()
    ax.grid(False)
    plt.grid(None)
    plt.grid(False)
    im = ax.imshow(heat_results, origin='lower',cmap=cmap)
    ax.grid(False)
    plt.grid(None)
    plt.grid(False)

    cbar = ax.figure.colorbar(im, ax=ax)

    plt.xticks(np.arange(0, 101, 10), np.array([0.0, 0.2, 0.4, 0.6, 0.8, 1.0, 1.2, 1.4, 1.6, 1.8, 2.0]))
    plt.yticks(np.arange(0, 101, 10), np.array([0.0, 0.1, 0.2, 0.3, 0.4, 0.5, 0.6, 0.7, 0.8, 0.9, 1.0]))

    plt.xlabel('t')
    plt.ylabel('x')

    plt.savefig('fig/heat.pdf')
    plt.close()

我还附上了我的三个数字在这里，你可以看到白色是如何出现时，我减少步长（平滑颜色变化）。
关于为什么当我减小网格大小时会出现这些白色有什么想法吗？或者关于除了生成数据矩阵之外，如何绘制我之前描述的函数的热图有什么想法吗？基本上，我想要一个看起来像第一个图但颜色变化平滑的图（类似于颜色条中的颜色变化），并且图的左部和右部的分离正好发生在1.0处（图1不位于1.0处，因为网格尺寸太大）。