Python的contourf函数是Matplotlib中绘制填充等高线图的核心工具，正确设置参数和数据类型是生成理想可视化图像的关键，否则常出现不填充、锯齿感强等问题。
contourf 和 contour 区别详解
很多新手在绘制等高线图时，会纠结到底用contour还是contourf，业内专家常说，选择取决于你想突出线的结构还是面分布。
本质区别：contour绘制的是等值线，比如天气预报中的等压线，强调数值相同的边界；contourf在此基础上填充颜色，用色块直观表示数值高低，两者共享大部分参数，但输出对象不同contour返回QuadContourSet，而contourf返回的是PolyCollection。
适用决策：如果你的数据变化平滑且需要观察整体趋势，比如地形高程或温度场，contourf更合适；如果只关注特定数值的边界，比如检测异常阈值，contour更简洁，实际工作中常见做法是先画contourf填充，再叠加contour线，并用clabel添加标签，兼顾美观与信息量。
性能注意：当数据网格密集时，contourf的渲染速度会明显慢于contour，据Matplotlib官方文档建议，对于大型数组，先考虑coarsen网格,或使用contour仅绘制关键层级。
python contourf 不填充？常见问题与解决办法
“明明调用了contourf，输出的却是空白或者只有轮廓线”这是初学者最常遇到的问题,主要出在以下几个环节。
数据格式导致不填充
contourf要求Z必须是一个二维数组，而X和Y可以是二维网格或一维坐标（长度匹配），如果直接传入一维Z，函数会报错；就算不报错，也可能因为shape不匹配导致填充异常。
解决方法：先用numpy.meshgrid将X和Y扩展为二维,再准备对应大小的Z。
import numpy as np import matplotlib.pyplot as plt x = np.linspace(0, 10, 50) y = np.linspace(0, 10, 50) X, Y = np.meshgrid(x, y) Z = np.sin(X) np.cos(Y) plt.contourf(X, Y, Z) plt.show()
如果数据是散点采样而来，先插值再填充，常见错误是直接用一维数组reshape成二维，但顺序不对建议用griddata统一处理。
levels参数设置不当
当contourf找不到合法的等高线层级时，它会默认只绘制一条线，甚至完全不填充，特别是当Z的数值范围很窄，而levels参数被设置成太宽或太少的层级时。
解决方法：明确指定levels参数，要么用整数表示层级数量，要么用列表给出具体边界值，例如levels=10或levels=[0,2,4,6,8,10]，如果Z的值集中在某一段，用np.linspace生成等距层级，确保覆盖全集。
检查是否误设了extend参数，当Z值超出levels范围时，extend=’both’可以强制在两端添加尖角色块,避免出现空白。
颜色映射或透明度干扰
有时候填充看似失败，实际是因为颜色太淡或透明度太高,检查以下三点：
- cmap：未设置时默认使用viridis，如果你用了单色系或灰色，可能区分度不够，视觉上像没填充，建议改用’jet’、’RdBu’等对比明显的色带。
- alpha：全局透明度设置，如果不小心设置了
alpha=0，那必然透明，正常设为0.5~0.9即可。 - vmin/vmax：这两个参数控制颜色映射的数据范围，如果设置范围太窄，超出部分会以白色或极端色显示,容易误以为不填充。
排查时可以先用plt.contourf(X, Y, Z, levels=10, cmap='jet', alpha=0.7)测试,逐步换回原参数。
matplotlib contourf 参数详解与调优技巧
熟练运用contourf的关键是理解其常用参数，以下列出最影响输出效果的几项,并给出行业实践中的推荐值。
| 参数 | 作用 | 常见陷阱 | 推荐设置 |
|---|---|---|---|
| levels | 等高线层级数或值列表 | 自动选择可能丢失细节 | 手动给出np.linspace(Z.min(), Z.max(), 15) |
| cmap | 颜色映射表 | 选择与数据性质不匹配 | 连续型用’viridis’，发散型用’RdBu’ |
| extend | 是否显示超出levels范围区域 | 默认’nearest’可能截断数据 | 数据有边界时用’both’或’min’/’max’ |
| origin | 数组的起始方向 | 与坐标轴方向不一致 | lower’（默认），特殊场景用’upper’ |
| antialiased | 是否抗锯齿 | 关闭时边缘粗糙 | 保持默认True，性能紧张时可关闭 |
重点强调levels
：它是contourf最灵活的参数，用整数表示自动切分的层级数量，用列表则精准控制每个层级，在绘制温度分布图时，你可以设定levels=[0,5,10,15,20,25,30,35]来突出特定区间，行业共识认为，层级数量控制在8~20之间,既能保证细节又能避免颜色区域碎片化。
技巧：自定义颜色映射让等高线图更清晰
如果默认的cmap不够直观，可以通过ListedColormap或LinearSegmentedColormap建立专属色带，比如用渐变红蓝色表示从低到高，或使用离散色块区分不同级别,示例：
from matplotlib.colors import ListedColormap colors = ['#313695', '#4575b4', '#74add1', '#abd9e9', '#fee090', '#fdae61', '#f46d43', '#d73027'] cmap_custom = ListedColormap(colors) plt.contourf(X, Y, Z, levels=8, cmap=cmap_custom)
python contourf 平滑？如何绘制平滑的等高线图
当原始数据稀疏或噪声大时，contourf生成的图会呈现明显锯齿，这是因为函数直接对网格数据插值，没有额外的平滑处理,有三种主流方法。
增加网格密度，如果数据本身来自离散采样，先用插值获得更细的网格，用scipy.interpolate.Rbf或griddata进行cubic插值，再传入contourf，注意，插值会引入新的数值,需要根据物理意义判断合理性。
使用Lowess或滑动平均，对Z数组进行平滑滤波，比如用scipy.ndimage.gaussian_filter，设定合适的sigma值（一般1~2），可以在保留整体趋势的同时较大程度去锯齿，但不要过度平滑,以免抹平真实峰值。
调整levels数量，当层级较少时，色块跨度大，视觉效果更平滑，如果目标是展示宏观趋势而非精细数值，用5~8个层级即可获得干净图形，相反，层级越多,锯齿越明显。
行业共识认为，优先采用“插值+合理层级”的组合，因为单纯依赖层次减少会丢失信息，针对地理领域的温度场，先用克里金插值生成规则网格，再设定10~12个层级,最终效果兼顾平整与精度。
实战案例：用contourf绘制温度分布图
假设我们有一组模拟温度数据，需要快速生成一个可视化图,这是使用contourf最常见的场景之一。
- 构造网格：使用numpy生成经纬度网格，实际项目中往往已有站点数据,需要插值到网格。
- 填充等高线：直接调用contourf，设定层级为10,色带选取暖色系。
- 叠加等温线：为了清晰显示具体数值，用contour绘制白色等温线,并用clabel标注。
- 添加装饰：色标（colorbar）、坐标轴标签、标题。
import numpy as np
import matplotlib.pyplot as plt
x = np.linspace(100, 110, 100)
y = np.linspace(30, 40, 100)
X, Y = np.meshgrid(x, y)
# 模拟温度场（中心高四周低）
Z = 25 - ((X-105)2 + (Y-35)2)/50 + np.random.normal(0, 0.5, X.shape)
fig, ax = plt.subplots(figsize=(8,6))
contf = ax.contourf(X, Y, Z, levels=12, cmap='YlOrRd', extend='both')
cont = ax.contour(X, Y, Z, levels=12, colors='white', linewidths=0.5)
ax.clabel(cont, inline=True, fontsize=8, colors='white')
fig.colorbar(contf, ax=ax, label='Temperature (°C)')
ax.set_xlabel('Longitude')
ax.set_ylabel('Latitude')
plt.show()
注意，由于加入了随机噪声，图形边缘会有些毛刺，可以通过前面提到的gaussian_filter平滑处理,整个流程在任何jupyter或IDE中均可复现。
关于python contourf的常见问题解答
Q: contourf和contour可以一起用吗？
A: 完全可以，且这是数据可视化的常用技巧，先调用contourf绘制填充底色，再调用contour绘制等值线，并用clabel添加数值标签，注意contourf的levels应与contour的levels一致,否则线条和色块可能对应不上。
Q: contourf只支持规则网格吗？
A: 本质上，contourf接受二维Z数组，这意味着它期望输入为矩形网格，但实际数据往往是不规则散点，业内做法是先用scipy.interpolate.griddata将散点插值到规则网格上，再调用contourf，插值方法可选’linear’或’cubic’，前者速度快但平滑性一般,后者更平滑但可能过冲。
Q: 怎样让contourf的色条显示自定义数值？
A: 方法是在contourf中指定levels为具体列表，然后colorbar会自动按这些层级生成刻度，如果想在色条上标注额外数值，可以访问colorbar的set_ticklabels方法进行修改，建议始终使色条刻度与levels一致,避免混淆。
首发原创文章，作者：王坚，如若转载，请注明出处：https://idctop.com/python-contourf%e6%80%8e%e4%b9%88%e7%94%a8%ef%bc%9f-%e6%9c%89%e5%93%aa%e4%ba%9b%e5%8f%82%e6%95%b0%ef%bc%9f/
