Hrm，看起来我可以使用一个掩码数组来做到这一点：

masked_array = np.ma.array (a, mask=np.isnan(a))
cmap = matplotlib.cm.jet
cmap.set_bad('white',1.)
ax.imshow(masked_array, interpolation='nearest', cmap=cmap)

这应该足够了，虽然我仍然开放的建议。：）

在Matplotlib的新版本中，不再需要使用掩码数组。
例如，让我们生成一个数组，其中每个第7个值都是NaN：

arr = np.arange(100, dtype=float).reshape(10, 10)
arr[~(arr % 7).astype(bool)] = np.nan

在matplotlib v3.7.0中，.cm.get_cmap()被.colormaps.get_cmap('viridis')替换
用.set_bad设置颜色。

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

arr = np.arange(100, dtype=float).reshape(10, 10)
arr[~(arr % 7).astype(bool)] = np.nan

cmap = mpl.colormaps.get_cmap('viridis')  # viridis is the default colormap for imshow
cmap.set_bad(color='red')

plt.imshow(arr, cmap=cmap)

.cm.get_cmap()已弃用

我们可以修改当前的颜色Map表，并使用以下行绘制数组：

current_cmap = mpl.cm.get_cmap()
current_cmap.set_bad(color='red')
plt.imshow(arr)