contourfとpcolormeshの見え方の違い

先日のとある演習にて。正規分布  N(0,1) にしたがう乱数の2次元分布を図示した際に、正の値を赤系、負の値を青系で表示するカラースケールで描画しているにも関わらず、暖色系が強いように見えるとのコメントがありました。自分も図示してみたときに確かに暖色系が強い印象を持ったのですが、ヒストグラムを描くとちゃんと正規分布にしたがっているので、乱数生成が間違っているわけではなさそうです。ということは描画方法に何かあるのではと思い、contourfで描画していたところをpcolormeshに切り替えたところ、期待されるような正負なランダムなパターンが見えるようになりました。正直これを見たとき、図示の方法によってこんなにも見え方が変わるものなのかと驚きました。

contourfとpcolormeshの見え方の違い
参考までに図示のスクリプトを掲載しておきます。

# -*- coding: utf-8 -*-
import numpy as np
import matplotlib.pyplot as plt
from scipy.stats import norm
from matplotlib.colors import BoundaryNorm

nx = 128; ny = 128
np.random.seed(seed=5489)
aa = np.random.normal(0,1,(nx,ny))

x = np.linspace(0,nx,nx)
y = np.linspace(0,ny,ny)
xx, yy = np.meshgrid(x,y)

levels = np.linspace(-4,4,41)

# DRAW FIGURE
fig = plt.figure(figsize=(13,3))

ax1 = fig.add_subplot(1,3,1)
im1 = ax1.contourf(xx,yy,aa,levels,cmap="bwr",extend="both")
ax1.set_xlabel("X-COORDINATE")
ax1.set_ylabel("Y-COORDINATE")
ax1.set_title("random noise / contourf")
plt.colorbar(im1,ax=ax1)

ax2 = fig.add_subplot(1,3,2)
cmap = plt.colormaps['bwr']
norm1 = BoundaryNorm(levels,ncolors=cmap.N,extend="both")
im2 = ax2.pcolormesh(xx,yy,aa,cmap="bwr",norm=norm1)
ax2.set_xlabel("X-COORDINATE")
ax2.set_ylabel("Y-COORDINATE")
ax2.set_title("random noise / pcolormesh")
plt.colorbar(im2,ax=ax2)

# 頻度分布
xx = np.linspace(-4,4,100)
yy = norm.pdf(xx)

ax3 = fig.add_subplot(1,3,3)
ax3.hist(aa.flatten(),bins=50,alpha=0.3,edgecolor='k',density=True)
ax3.plot(xx,yy,color="red",linestyle=":",label="normal distribution")
ax3.set_xlim(-4,4)
ax3.set_ylim(0,0.48)
ax3.set_xlabel("VALUES")
ax3.set_ylabel("FREQUENCY")
ax3.set_title("Histogram (random noise) bins=50")
ax3.legend()

plt.savefig("figure.png",bbox_inches="tight")
plt.close