Python画图教程等高线|入门与实战全解
本教程系统讲解Python中等高线图的绘制方法,覆盖matplotlib、Cartopy、Basemap等主流库的核心功能,结合真实数据案例,深入解析参数配置、样式定制、坐标转换与地理投影等关键环节。无论您是初学者希望快速上手基础等高线图,还是进阶用户需要处理地理空间数据、生成出版级专业图表,本教程均提供清晰路径与实用技巧。
等高线(Contour Lines)是将地表上高程相等的点连接而成的闭合曲线,在地形图、气象图、电磁场分布、金融数据可视化等领域广泛应用。在Python中,等高线绘制主要依赖matplotlib的contour与contourf函数,配合坐标数组、插值算法与自定义样式,可实现从简单二维等高线到复杂三维地形渲染的多种效果。
本教程特别强调plt.contour()与plt.contourf()的参数组合逻辑,包括levels(等值线层级)、extend(边界外溢处理)、alpha(透明度)、colors(颜色指定)与cmap( colormap映射)等参数的实际应用场景。同时,针对地理信息可视化中常见的经度/纬度坐标转换、投影变换(如PlateCarree、AlbersEqualArea)、坐标网格重采样等难点,提供完整可复用的代码模板。
np.meshgrid构建规则网格,再通过scipy.interpolate.griddata进行插值补全,可显著提升线条平滑度与可读性。
读者定位
- · 数据分析师:需将数值型分布数据(如热力、密度、压力)转为直观等高线图
- · 地理信息开发者:处理DEM高程数据、气象云图、海洋流场等空间数据
- · 科研人员:绘制实验结果的空间分布图(如电势、浓度梯度、温度场)
- · Python初学者:通过等高线案例掌握numpy、matplotlib协同使用逻辑
内容导航
本页面采用模块化设计,您可按需跳转:
快速开始:3行代码绘制基础等高线
以下是最简等高线图生成代码(需安装matplotlib与numpy):
import numpy as np
import matplotlib.pyplot as plt
x = np.linspace(-3, 3, 50)
y = np.linspace(-3, 3, 50)
X, Y = np.meshgrid(x, y)
Z = np.sin(X**2 + Y**2)
plt.contour(X, Y, Z, levels=10, colors='black')
plt.contourf(X, Y, Z, levels=10, cmap='viridis')
plt.colorbar()
plt.title('等高线图示例')
plt.show()
结果将生成一张带填充色的等高线图,黑色线条表示等值线,颜色渐变体现数值高低变化。后续章节将逐层拆解此过程中的关键细节。
基础篇|matplotlib等高线核心函数详解
1. 等高线图基本原理
等高线是连接曲面上高程相等点的线。在二维平面中,若函数Z = f(X,Y)定义在网格点上,则等高线是满足Z = c(常数)的所有点的集合。matplotlib通过计算数值梯度与插值算法,在网格单元内定位等值点并连接成线。
关键概念:
• 网格(Grid):由X、Y坐标数组构成的规则或非规则点阵
• 层级(Levels):指定等值线对应的数值(如[0, 0.2, 0.4, ..., 1.0])
• 填充(Filled):等值线之间的区域用颜色填充,即contourf
• 标注(Labels):在等值线上添加数值说明,提升可读性
contour.py模块的算法,基于matplotlib._contour扩展库(C++实现),确保高效计算。用户无需干预,但需理解网格要求。
2. 必备数据准备:构建有效网格
等高线图要求输入数据为规则网格(即X、Y为二维数组,且行列数匹配Z)。常见错误是直接传入一维坐标数组,导致报错:
ValueError: argument Z must be 2D
正确做法:
import numpy as np
x = np.array([1, 2, 3]) # 一维坐标
y = np.array([10, 20]) # 一维坐标
X, Y = np.meshgrid(x, y) # 构建二维网格
Z = np.array([[1,2,3], # Z必须与X/Y维度一致
[4,5,6]])
plt.contour(X, Y, Z)
若数据为非规则点(如散点坐标),需先插值为网格:
from scipy.interpolate import griddata
points = np.random.rand(100, 2) * 4 - 2 # 随机散点
values = np.sin(points[:,0]**2 + points[:,1]**2)
xi = np.linspace(-2, 2, 50)
yi = np.linspace(-2, 2, 50)
X, Y = np.meshgrid(xi, yi)
Z = griddata(points, values, (X, Y), method='cubic')
插值方法可选:'linear'(线性)、'nearest'(最近邻)、'cubic'(三次样条)。cubic效果平滑但计算量大,适合数据稀疏场景。
3. 核心函数参数详解
3.1 contour(X, Y, Z, ...)——绘制线条等高线
常用参数:
| 参数 | 说明 | 示例 |
|---|---|---|
levels | 等值线层级(数值列表或整数) | levels=[0.1, 0.3, 0.5]或levels=8 |
colors | 线条颜色(单色或列表) | colors='k'或colors=['r','g','b'] |
linewidths | 线条宽度 | linewidths=1.5或[1,2,1.5] |
linestyles | 线条样式('solid'/'dashed'等) | linestyles='--' |
extend | 超出levels范围的端点处理 | extend='both'(两端加箭头) |
3.2 contourf(X, Y, Z, ...)——填充等高线图
除上述参数外,新增:
| 参数 | 说明 | 示例 |
|---|---|---|
cmap | 颜色映射表 | cmap='viridis'、'jet'、'RdBu_r' |
alpha | 透明度 | alpha=0.8 |
antialiased | 抗锯齿(提升平滑度) | antialiased=True |
3.3 clabel(CS, ...)——添加等值线标注
CS = plt.contour(X, Y, Z, levels=[-0.5, 0, 0.5])
plt.clabel(CS, inline=True, fontsize=10, fmt='%.1f')
关键参数:
inline:是否在等值线上挖空显示文字(推荐True)fmt:数值格式('%.0f'整数,'%.2f'小数)manual:是否手动指定标注位置(True可交互调整)
4. 实战案例:地形高程等高线图
模拟生成一座“虚拟山峰”的高程数据,并绘制专业级等高线图:
import numpy as np
import matplotlib.pyplot as plt
# 构建网格:覆盖区域-10~10 × -10~10
x = np.linspace(-10, 10, 100)
y = np.linspace(-10, 10, 100)
X, Y = np.meshgrid(x, y)
# 高程模型:双峰山 + 基础高程
Z = 50 * np.exp(-((X-2)**2 + (Y-3)**2)/20) # 主峰
Z += 30 * np.exp(-((X+4)**2 + (Y+2)**2)/15) # 副峰
Z += 10 + 0.1 * X + 0.05 * Y # 缓坡背景
# 绘图
plt.figure(figsize=(9,7))
CS = plt.contour(X, Y, Z, levels=np.arange(0, 80, 10), colors='black', linewidths=1.2)
plt.clabel(CS, inline=True, fontsize=9, fmt='%.0f m')
plt.contourf(X, Y, Z, levels=np.arange(0, 80, 5), cmap='terrain', alpha=0.7)
plt.colorbar(label='高程 (m)', shrink=0.8)
plt.title('虚拟地形高程等高线图')
plt.xlabel('经度 (km)')
plt.ylabel('纬度 (km)')
plt.grid(True, linestyle=':', alpha=0.5)
plt.tight_layout()
plt.show()
结果特点:
- 黑色线条标注精确高程值(单位:米)
- 填充色区分地形梯度(棕色→绿色→浅黄)
- 网格线辅助定位,提升可读性
levels间隔,或改用plt.clabel(CS, inline_spacing=5)增大文字间距。
5. 常见错误与解决方案
问题1:等值线断裂或不闭合
原因:数据网格不完整(存在NaN值)
解决:Z = np.nan_to_num(Z, nan=np.nanmean(Z))(填充均值)
问题2:等值线方向颠倒(低值在上)
原因:Y轴坐标未翻转(常见于图像数据)
解决:plt.gca().invert_yaxis()或调整Y数组排序
问题3:颜色条与填充不匹配
原因:contourf与contour的levels未同步
解决:统一设置levels参数,如levels = np.linspace(0, 100, 11)
进阶篇|等高线标注、填充与3D效果
1. 高级标注技巧:自定义标注位置与样式
默认标注可能遮挡关键区域。可通过manual=True交互式调整:
CS = plt.contour(X, Y, Z, levels=[20, 40, 60])
labels = plt.clabel(CS, inline=True, fontsize=10, manual=True)
# 点击等值线可添加/移动标注,按Enter结束
或使用inline_spacing控制文字与线条间距:
plt.clabel(CS, inline=True, fontsize=9,
inline_spacing=8, fmt='%.1f', colors='white')
若需添加背景框(防遮挡):
plt.clabel(CS, fmt='%.0f', fontsize=10,
colors='black',
labelspacing=1.0,
manual=[(1,1), (-2,-1)]) # 指定位置
2. 渐变填充与颜色定制
自定义填充颜色方案,避免默认colormap的视觉疲劳:
colors = ['#a50026', '#d73027', '#f46d43',
'#fdae61', '#fee08b', '#ffffbf',
'#d9ef8b', '#a6d96a', '#66bd63',
'#1a9850', '#006837']
plt.contourf(X, Y, Z, levels=np.arange(0, 80, 5),
colors=colors, extend='both')
或使用LinearSegmentedColormap自定义渐变:
from matplotlib.colors import LinearSegmentedColormap
cmap = LinearSegmentedColormap.from_list('custom',
['#3a4cc9', '#6b7280', '#d63384'], N=256)
plt.contourf(X, Y, Z, levels=15, cmap=cmap)
3. 3D等高线图:在三维空间投影
将等高线投影到三维坐标系,增强空间感知:
from mpl_toolkits.mplot3d import Axes3D
fig = plt.figure(figsize=(10,7))
ax = fig.add_subplot(111, projection='3d')
ax.plot_surface(X, Y, Z, cmap='viridis', alpha=0.6)
ax.contour(X, Y, Z, zdir='z', offset=0, cmap='viridis',
levels=10, linewidths=1.5)
ax.set_zlim(0, Z.max())
ax.set_xlabel('X'); ax.set_ylabel('Y'); ax.set_zlabel('Z')
plt.show()
关键点:zdir='z'指定投影方向,offset=0设置投影平面高度。
4. 动态等高线:动画展示数据演变
使用FuncAnimation制作动态等高线图:
from matplotlib.animation import FuncAnimation
fig, ax = plt.subplots()
def update(frame):
ax.clear()
Z = np.sin(X**2 + Y**2 + frame * 0.1)
CS = ax.contour(X, Y, Z, levels=10, colors='black')
ax.clabel(CS, inline=True, fontsize=8)
ax.set_title(f'时间步: {frame}')
ani = FuncAnimation(fig, update, frames=50, interval=200)
ani.save('contour_animation.gif', writer='pillow')
生成GIF动画,直观展示波动场变化过程。
5. 性能优化:处理大数据量网格
当网格点超过100万时,等高线绘制可能卡顿。优化策略:
- · 降采样:对
Z矩阵进行网格化降采样(如每5点取1点) - · 简化等值线:用
skimage.measure.find_contours替代matplotlib - · GPU加速:结合
cupy处理数据,matplotlib仅负责渲染 - · 延迟渲染:设置
plt.rcParams['path.simplify'] = True
实测:对1000×1000网格,降采样至200×200后,渲染速度提升12倍,视觉差异可忽略。
地理篇|地理坐标转换与投影处理
1. 地理等高线的特殊性
地理数据使用经纬度坐标(单位:度),而等高线计算需在平面直角坐标系进行。直接绘图会导致:
- · 经线在极地汇聚,等值线扭曲
- · 距离失真(赤道1°≈111km,极地1°≈0km)
- · 经纬度网格非正交,影响插值精度
解决方案:通过投影转换(Projection)将球面坐标映射到平面。
2. Cartopy库实战:地理等高线标准流程
安装:pip install cartopy
import cartopy.crs as ccrs
import cartopy.feature as cfeature
import matplotlib.pyplot as plt
import numpy as np
# 1. 构建经纬度网格(真实地理坐标)
lons = np.linspace(-120, -70, 50) # 经度
lats = np.linspace(20, 50, 50) # 纬度
lon, lat = np.meshgrid(lons, lats)
# 2. 模拟温度数据(单位:℃)
temp = 15 + 10 * np.sin(np.radians(lat)) * np.cos(np.radians(lon))
# 3. 绘图
plt.figure(figsize=(10, 8))
ax = plt.axes(projection=ccrs.AlbersEqualArea(central_longitude=-95, central_latitude=35))
ax.set_extent([-120, -70, 20, 50], crs=ccrs.PlateCarree())
# 添加地理底图
ax.add_feature(cfeature.COASTLINE, linewidth=0.8)
ax.add_feature(cfeature.STATES, linestyle=':', alpha=0.5)
# 绘制等高线(需指定transform)
CS = ax.contour(lon, lat, temp, transform=ccrs.PlateCarree(),
levels=np.arange(0, 30, 5), colors='black', linewidths=1.2)
ax.clabel(CS, inline=True, fontsize=10)
# 填充色
ax.contourf(lon, lat, temp, transform=ccrs.PlateCarree(),
levels=np.arange(0, 30, 2), cmap='RdYlBu_r', alpha=0.7)
plt.colorbar(ax.collections[1], label='温度 (℃)', shrink=0.8)
plt.title('美国中部温度分布等高线图')
plt.show()
关键点:
- ·
transform=ccrs.PlateCarree()声明原始数据坐标系 - ·
projection=ccrs.AlbersEqualArea(...)选择等面积投影 - ·
set_extent限定视图范围
3. 常用投影类型对比
| 投影类型 | 适用场景 | 特点 | Cartopy代码 |
|---|---|---|---|
| PlateCarree | 全球经纬网格图 | 简单等距,赤道无变形 | ccrs.PlateCarree() |
| AlbersEqualArea | 区域面积比较 | 面积守恒,中纬度变形小 | ccrs.AlbersEqualArea(central_lon, central_lat) |
| LambertConformal | 中纬度天气图 | 形状守恒,常用气象领域 | ccrs.LambertConformal(central_lon, central_lat) |
| Mollweide | 全球分布概览 | 等面积,两极拉伸 | ccrs.Mollweide() |
transform参数,否则投影转换失效!
4. 处理不规则地理数据:从NetCDF读取
实际项目中,地理数据常以NetCDF格式存储(如气象再分析数据)。示例:读取NCEP温度数据:
import xarray as xr
import cartopy.crs as ccrs
# 加载数据
ds = xr.open_dataset('air.mon.mean.nc')
air = ds.air.isel(time=0) # 取第1个月
# 提取坐标
lons = air.lon.values
lats = air.lat.values
lon, lat = np.meshgrid(lons, lats)
temp = air.values
# 绘图(同前例)
注意:NetCDF的经度可能为0~360°,需转换为-180~180°:
lon = (lon + 180) % 360 - 180 # 调整经度范围
5. 地理等高线常见问题
问题1:投影后等值线断裂
原因:跨越投影边界(如经度±180°)
解决:用cartopy.util.add_cyclic_point处理数据
from cartopy.util import add_cyclic_point
cyclic_data, cyclic_lons = add_cyclic_point(temp, coord=lons)
ax.contour(cyclic_lons, lats, cyclic_data, ...)
问题2:等值线在极地扭曲
原因:使用PlateCarree投影绘制极地数据
解决:改用极地投影(如ccrs.NorthPolarStereo())
问答篇|高频问题解答与避坑指南
热力图(plt.imshow)适合展示规则网格的像素值,但无法清晰表达等值边界;等高线图则突出等值线的连续性与拓扑结构,更适合地形、场强等物理量的空间分布描述。
选择建议:
- · 选热力图:需要快速感知数值大小分布(如图像灰度)
- · 选等高线:需精确识别等值边界(如地形分界、等温线)
- · 组合使用:填充等高线(
contourf)+ 线条标注(contour),兼顾直观与精确
三步优化:
- · 增加网格密度:如
np.linspace(-3,3,200)替代50 - · 插值补全:对非规则数据用
griddata(..., method='cubic') - · 平滑滤波:对
Z数组应用高斯滤波:from scipy.ndimage import gaussian_filter; Z = gaussian_filter(Z, sigma=1)
注意:过度平滑可能掩盖真实细节,建议保留原始数据的Z用于最终分析。
方法1:减少levels数量(如levels=5替代10)
方法2:仅标注关键层级:CS = plt.contour(..., levels=[20,40,60])
方法3:用inline_spacing增大文字间距:plt.clabel(CS, inline_spacing=10)
方法4:手动指定标注位置:manual=[(x1,y1), (x2,y2)]
高级方案:使用matplotlib.ticker.MaxNLocator控制标注密度:
from matplotlib.ticker import MaxNLocator
CS = plt.contour(X, Y, Z, levels=MaxNLocator(n=8))
关键设置:
plt.savefig('output.pdf', dpi=300, bbox_inches='tight',
facecolor='white', edgecolor='none')
补充建议:
- · 用
plt.rcParams['pdf.fonttype'] = 42确保字体嵌入 - · 保存SVG时:
plt.savefig('output.svg', format='svg') - · 在Illustrator中进一步调整线条粗细与颜色
循环处理数据集,示例:生成30天温度等高线图序列:
for day in range(30):
Z = load_temperature_data(day) # 自定义加载函数
plt.figure(figsize=(8,6))
plt.contourf(X, Y, Z, levels=15, cmap='RdYlBu_r')
plt.colorbar()
plt.title(f'第{day+1}天温度分布')
plt.savefig(f'temp_day_{day+1:02d}.png', dpi=150)
plt.close()
用imageio合并为GIF:
import imageio
images = [imageio.imread(f'temp_day_{i+1:02d}.png') for i in range(30)]
imageio.mimsave('temperature_series.gif', images, duration=0.3)
工具篇|推荐数据源与代码模板
1. 免费地理数据源
| 数据源 | 内容 | 格式 | 链接 |
|---|---|---|---|
| NOAA NCEP | 全球气温/气压再分析 | NetCDF | 链接 |
| USGS EarthExplorer | DEM高程数据 | GeoTIFF | 链接 |
| OpenTopoData | 全球高程API | JSON | 链接 |
| GADM | 全球行政区划 | GeoJSON | 链接 |
2. 必备代码模板
模板1:标准地理等高线图(Albers投影)
def plot_geo_contour(lons, lats, data, title='等高线图'):
import cartopy.crs as ccrs
import cartopy.feature as cfeature
import matplotlib.pyplot as plt
fig, ax = plt.subplots(figsize=(10,8),
subplot_kw={'projection': ccrs.AlbersEqualArea(
central_longitude=np.mean(lons),
central_latitude=np.mean(lats))})
ax.add_feature(cfeature.COASTLINE, linewidth=0.6)
ax.add_feature(cfeature.BORDERS, linestyle=':', alpha=0.5)
CS = ax.contour(lons, lats, data, transform=ccrs.PlateCarree(),
levels=10, colors='black', linewidths=1.0)
ax.clabel(CS, inline=True, fontsize=9)
cf = ax.contourf(lons, lats, data, transform=ccrs.PlateCarree(),
levels=10, cmap='viridis', alpha=0.7)
plt.colorbar(cf, ax=ax, shrink=0.8, label='值')
ax.set_title(title, fontsize=14)
plt.tight_layout()
return fig, ax
模板2:热力+等高线组合图
fig, ax = plt.subplots(figsize=(8,6))
# 热力底图
im = ax.imshow(Z, origin='lower', cmap='viridis',
extent=[x.min(), x.max(), y.min(), y.max()], alpha=0.5)
# 等高线叠加
CS = ax.contour(X, Y, Z, levels=8, colors='black', linewidths=1.2)
ax.clabel(CS, inline=True, fontsize=9)
ax.set_xlabel('X'); ax.set_ylabel('Y')
plt.colorbar(im, label='数值')
plt.title('热力图+等高线组合')
3. 调试技巧
- · 快速预览:用
plt.pcolormesh(X, Y, Z)快速检查数据分布 - · 检查网格:
print(X.shape, Y.shape, Z.shape)确保维度匹配 - · 定位NaN:
np.where(np.isnan(Z))检查缺失值位置 - · 交互调试:用
%matplotlib widget(Jupyter)支持缩放/平移
4. 进阶学习资源
- · matplotlib官方等高线教程:含参数详解与更多示例
- · Cartopy地理可视化案例库:100+真实项目参考
- · 《Python数据可视化》书籍:第5章深入讲解空间数据
- · Stack Overflow等高线标签:实时问题解答社区