运行你的例子，在matplotlib中缩放后一切看起来都很好：无论分辨率如何，结果都是一样的，我看到每个轴单位一个像素。此外，尝试使用较小的数组，pdf（或其他格式）工作得很好。
这是我的解释：**当您设置图形dpi时，您正在设置整个图形的dpi（不仅仅是数据区域）。在我的系统上，这会导致绘图区域在垂直方向上占据整个图的20%左右。如果您设置300 dpi和10的高度，您将获得垂直数据轴的300x10x0.2=600像素，这不足以表示1500个点，这就解释了为什么输出必须被重新采样。**注意，有时候减小宽度也会起作用，因为它改变了数据图所占的图形比例。
然后你必须增加dpi，并设置插值='无'（如果分辨率设置得很完美，那应该没关系，但如果它足够接近，那就很重要了）。你也可以调整图的位置和大小，以获得更大的图的一部分，但回到最佳分辨率设置，理想情况下，你希望轴上的像素数是数据点的倍数，否则必须进行某种插值（想想如何在三个像素上绘制两个点，反之亦然）。
我不知道下面是不是最好的方法，matplotlib中可能有更合适的方法和属性，但我会尝试这样来计算最佳dpi：

vsize=ax.get_position().size[1]  #fraction of figure occupied by axes
axesdpi= int((Fig.get_size_inches()[1]*vsize)/R)  #(or Yi*R according to what you want to do)

然后你的代码（减少到第一个循环）变成：

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

R, C = 1500, 3000
DATA = np.random.random((R, C))
DATA[::2, :] *= -1  # make every other line negative
Yi, Xi = 1, 10 # increment
CMP = 'seismic'
ImageFormat ='pdf'
Name = 'Image'

DataRange = (np.absolute(DATA)).max() # I want my data centred on 0
EXTENT = [0, Xi*C, 0 ,Yi*R]
NORM = matplotlib.colors.Normalize(vmin =-DataRange, vmax= DataRange, clip =True)

for i in (1,):
    print i 
    Fig=plt.figure(figsize=(45, 10), dpi = 100*i, tight_layout=True)
    Fig.suptitle(Name+str(i)+'00DPI')
    ax = Fig.add_subplot(1, 1, 1)
    Plot = ax.imshow(DATA, cmap=plt.get_cmap(CMP), norm = NORM, extent = EXTENT, aspect = 1, interpolation='none') 
    ax.set_xlabel('metres')
    ax.set_ylabel('metres')
    vsize=ax.get_position().size[1]  #fraction of figure occupied by axes
    axesdpi= int((Fig.get_size_inches()[1]*vsize)/R)  #(or Yi*R according to what you want to do)
    Fig.savefig(Name+str(axesdpi)+'DPI.'+ImageFormat,  format = ImageFormat, dpi = axesdpi)
    #plt.close()

这对我来说是合理的。

首先，当你保存为.pdf时，你隐含地使用了pdf后端，即使你可能在选项中指定了其他后端。这意味着你的图像是以矢量格式保存的，因此dpi是毫无意义的。在任何分辨率下，如果我在一个像样的浏览器中加载你的PDF，（我用的是inkscape，其他的都有），你可以清楚地看到条纹实际上，我发现如果将每隔一行设置为零，观察起来会更容易。当您指定figsize=(45, 10)时，所有生成的PDF都建议显示大小为45英寸x 10英寸。
如果我指定png作为图像类型，我会看到基于dpi参数的文件大小的差异，我认为这是你所期望的。如果你看100 dpi的图像，它有4500000，200 dpi图像具有18000000像素（4倍）和300 dpi的图像有40500000（9倍）。你会注意到4500000 == 1500 x 3000，即原始数组的每个成员一个像素。因此，更大的dpi设置并不能真正获得任何进一步的定义-相反，你的条纹是2或3像素宽分别而不是1。
我想你需要做的是有效地将每一列绘制10次，这样你就得到了一个1500 x 30000像素的图像。要做到这一点，使用所有你自己的代码，你可以使用np.repeat做如下事情：

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

R, C = 1500, 3000
DATA = np.random.random((R, C))
DATA[::2, :] = 0  # make every other line plain white
Yi, Xi = 1, 10 # increment
DATA = np.repeat(DATA, Xi, axis=1)
DATA = np.repeat(DATA, Yi)

CMP = 'seismic'
ImageFormat ='pdf'
Name = 'Image'

DataRange = (np.absolute(DATA)).max() # I want my data centred on 0
EXTENT = [0, Xi*C, 0 ,Yi*R]
NORM = matplotlib.colors.Normalize(vmin =-DataRange, vmax= DataRange, clip =True)

for i in range(1,4):
    Fig=plt.figure(figsize=(45, 10), dpi = 100*i, tight_layout=True)
    Fig.suptitle(Name+str(i)+'00DPI')
    ax = Fig.add_subplot(1, 1, 1)
    Plot = ax.imshow(DATA, cmap=plt.get_cmap(CMP), norm = NORM, extent = EXTENT, aspect = 1, interpolation='none') 
    ax.set_xlabel('metres')
    ax.set_ylabel('metres')
    Fig.savefig(Name+str(i)+'00DPI.'+ImageFormat,  format = ImageFormat, dpi = Fig.dpi)
plt.close()

• 警告：* 这是一个内存密集型解决方案-可能有更好的方法。如果您不需要pdf的矢量图形输出，您可以将ImageFormat变量更改为png

我突然想到，你可能关心的另一件事是给予图片适当的宽高比（即宽高比的20倍）。这一点你已经在做了。所以，如果你看pdf中每个像素的表示，它们是矩形的（宽高比的10倍），而不是正方形。

如果你喜欢它作为一个功能：
这段代码是基于Jumenzooo的解决方案，但数学是为Python 3和matplotlib 3.7.2更新的。

import math
import os
import matplotlib.pyplot as plt
import numpy as np

def calculate_dpi_needed_for_image(n_rows: int, n_columns: int, fig, ax, min_dpi: int=300, dots_per_entry=2):
    ax_width_inches = fig.get_size_inches()[0] * ax.get_position().size[0] # figsize * fraction of figure occupied by axes
    dpi_w = dots_per_entry * n_columns / ax_width_inches # dpi * inches >= n_columns
    ax_height_inches = fig.get_size_inches()[1] * ax.get_position().size[1] # figsize * fraction of figure occupied by axes
    dpi_h = dots_per_entry * n_rows / ax_height_inches # dpi * inches >= n_rows
    dpi = max(dpi_h, dpi_w)
    if min_dpi is not None:
        if dpi < min_dpi: # Ensure DPI is at least 300 for legibility.
            dpi = dpi * math.ceil(300 / dpi)
    return dpi

# Create a sample dataset.
# data = np.random.rand(10, 20)
data = np.random.rand(1280, 1920)
data[::2, :] = 1.0 # make every other row equal one
data[:, ::2] = 1.0 # make every other column equal one

# Plot the data.
fig = plt.figure(figsize=(10, 10))
ax = plt.subplot(1, 1, 1)
ax.imshow(data, cmap='hot', interpolation='none')
dpi = calculate_dpi_needed_for_image(data.shape[0], data.shape[1], fig, ax, dots_per_entry=2, min_dpi=None)
print(f'Using DPI: {dpi}')
path = os.path.join(os.path.dirname(__file__), 'test_dpi_util.png')
plt.savefig(path, dpi=dpi)