如果我有一个随时间演变的一维系统的数据，本质上是一个二维数组，并且每个时间点的数组大小相同，我将如何产生这样的东西：

（取自图灵的生物模式形成模型和Maini 等人的鲁棒性问题，2012）

我试图通过根据域的增长及时调整（或者更确切地说合成）每个实例的大小到特定长度的数组，并用 NaN 填充数组的其余部分来使用matplotlib复制这一点。

import numpy as np
import matplotlib.pyplot as plt

N = 750
x = []

t = np.linspace(0, N, N)

def asize(i, N):        # Computes the necessary size of the array
    return int(N*np.exp(2*(i-N)/N))

for i in range(N):      # Concatenating data with whitespace 
    x.append(np.concatenate((np.sin(np.linspace(0,3*np.pi,asize(i,N)))**2,
                             np.NaN*np.zeros(N-asize(i,N)))))


x = np.transpose(np.array(x))
plt.imshow(x, cmap = 'Spectral_r', origin = 'lower')
plt.plot(t, N*np.exp(2*(t-N)/N), c='white', lw = 2)     # Making the boundary smoother
plt.axis([0,N,0,N])
plt.xlabel('$t$')
plt.ylabel('$x$')
plt.xticks([0,250,500,750])
plt.yticks([0,250,500,750])
plt.show()

自然，对于实际数据，这种方法会更加乏味，需要以某种方式压缩数组。使用 matplotlib、Mathematica 或任何其他工具是否有更合理的方法？