首页 • 关于 • 联系

Python画图教程等高线

系统讲解等高线绘制技术 · 数据可视化实战指南

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。

⚡核心提示:等高线图质量高度依赖数据网格质量。实际项目中建议先用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:

  • → 基础篇:matplotlib等高线核心函数详解
  • → 进阶篇:等高线标注、填充、3D效果与性能优化
  • → 地理篇:地理坐标转换、投影处理与Cartopy实战
  • → 问答篇:高频问题解答与避坑指南
  • → 工具篇:推荐数据源、调试工具与代码模板

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

⚙️技术原理:matplotlib内部使用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
⚠️避坑指南:若等值线密集重叠,可调大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()
⚠️重要提示:所有地理数据绘图时,必须显式指定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

Q1:等高线图与热力图(heatmap)有何区别?何时选等高线?

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
Q2:如何让等值线更平滑?线条毛糙怎么办?

三步优化:

  1. · 增加网格密度:如np.linspace(-3,3,200)替代50
  2. · 插值补全:对非规则数据用griddata(..., method='cubic')
  3. · 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。

Q3:等值线标注太多导致重叠,如何自动简化?

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))
Q4:如何导出高清印刷级等高线图(PDF/SVG)?

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
Q5:如何批量生成多张等高线图?

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 EarthExplorerDEM高程数据GeoTIFF链接
OpenTopoData全球高程APIJSON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