Python 填充matplotlib等高线图

使用以下代码，我获得了以下等高线图：

fig, ax = plt.subplots()
x = np.arange(431)
y = np.arange(225)
Y, X = np.meshgrid(y, x)
values = df["Appearance_percentage"].values
values2d = np.reshape(values, (431, 225))
ax.set_ylim(225, 0)

plt.style.use('seaborn-white')
ax.set_title('Mapa contour de probabilitat de trobar núvols')
plt.contour(X, Y, values2d, 30, cmap='RdGy')
plt.colorbar()
plt.savefig("contourmap.png")

我想知道我是否可以填充线之间的区域，这样在颜色栏中就没有空白，地图就更吸引人了

---

我试着做了

df[“外观百分比”\u轮廓图”]=round（df[“外观百分比”]）

，然后

values=df[“外观百分比”\u轮廓图”]。
值
，我仍然得到了相同的带有大量白色区域的地图。
只要用
plt.contourf
替换
plt.contourf，其中“f”末尾的意思是“填充”

以下是一个例子：

import numpy as np
import matplotlib.pyplot as plt

x = np.arange(100)
y = np.arange(100)
Y, X = np.meshgrid(y, x)
values = np.outer(x, y)

fig, ax = plt.subplots()
plt.contourf(X, Y, values, 30, cmap='RdGy')
plt.colorbar()


您可能还希望通过以下方式强调轮廓线：

x = np.arange(100)
y = np.arange(100)
Y, X = np.meshgrid(y, x)
values = np.outer(x, y)

fig, ax = plt.subplots()
c1 = plt.contourf(X, Y, values, 30, cmap='RdGy')
c2 = plt.contour(X, Y, values, 30, cmap='Greys')
plt.colorbar(c1)

只需将
plt.contour
替换为
plt.contourf
，其中末尾的“f”表示“填充”

以下是一个例子：

import numpy as np
import matplotlib.pyplot as plt

x = np.arange(100)
y = np.arange(100)
Y, X = np.meshgrid(y, x)
values = np.outer(x, y)

fig, ax = plt.subplots()
plt.contourf(X, Y, values, 30, cmap='RdGy')
plt.colorbar()


您可能还希望通过以下方式强调轮廓线：

x = np.arange(100)
y = np.arange(100)
Y, X = np.meshgrid(y, x)
values = np.outer(x, y)

fig, ax = plt.subplots()
c1 = plt.contourf(X, Y, values, 30, cmap='RdGy')
c2 = plt.contour(X, Y, values, 30, cmap='Greys')
plt.colorbar(c1)

plt.contour（）
创建一个连接所有具有相等插值的位置的曲线。因此，它搜索外观为6%的位置，并用一条线连接这些位置。如果设置
levels=30
，将绘制30条这样的线
plt.contour（）
花了大量精力创建一个显示每行值的颜色条。如果不需要这样的颜色条，可以使用相同的值创建自定义颜色条

您可以按如下方式创建自定义颜色栏：

将numpy导入为np
将matplotlib.pyplot作为plt导入
从matplotlib.cm导入ScalarMapable
图，ax=plt.子批次（）
x=np.arange（431）
y=np.arange（225）
Y、 X=np.网格网格（Y，X）
value=np.random.randn（431225）.cumsum（axis=0）.cumsum（axis=1）.ravel（）
values-=values.min（）
值2d=np.重塑（值（431225））
ax.set_ylim（225,0）
plt.style.use（'seaborn-white'））
ax.set_title（'Mapa contour de probabilitat de trobar núvols'）
plt.轮廓（X，Y，值2d，30，cmap='RdGy'）
sm=scalarMapable（norm=plt.Normalize（values.min（），values.max（）），cmap='RdGy'）
打印颜色条（sm）
plt.show（）


PS：请不要对值进行四舍五入（如在
df[“外观百分比”\u轮廓图]]=四舍五入（df[“外观百分比”]）
），因为这会引入人为的不精确性。
plt.contour（）
创建一个用相等插值连接所有位置的连接。因此，它搜索外观为6%的位置，并用一条线连接这些位置。如果设置
levels=30
，将绘制30条这样的线
plt.contour（）
花了大量精力创建一个显示每行值的颜色条。如果不需要这样的颜色条，可以使用相同的值创建自定义颜色条

您可以按如下方式创建自定义颜色栏：

将numpy导入为np
将matplotlib.pyplot作为plt导入
从matplotlib.cm导入ScalarMapable
图，ax=plt.子批次（）
x=np.arange（431）
y=np.arange（225）
Y、 X=np.网格网格（Y，X）
value=np.random.randn（431225）.cumsum（axis=0）.cumsum（axis=1）.ravel（）
values-=values.min（）
值2d=np.重塑（值（431225））
ax.set_ylim（225,0）
plt.style.use（'seaborn-white'））
ax.set_title（'Mapa contour de probabilitat de trobar núvols'）
plt.轮廓（X，Y，值2d，30，cmap='RdGy'）
sm=scalarMapable（norm=plt.Normalize（values.min（），values.max（）），cmap='RdGy'）
打印颜色条（sm）
plt.show（）


PS：请不要对值进行四舍五入（如
df[“外观百分比”\u轮廓图]）=四舍五入（df[“外观百分比”）
），因为这会引入人为误差。
感谢您的帮助。例如，我如何将轮廓线的颜色定义为黑色？将
cmap
参数替换为
colors
并将您需要的颜色传递给它，例如，黑色的字母“k:
plt.contour（…，colors='k'）
。对不起，Max，我的最后一个问题是是否可以控制轮廓线的厚度。。。非常抱歉给您带来不便，请使用
线宽
参数。有关更多信息，请查看。谢谢您的帮助。例如，我如何将轮廓线的颜色定义为黑色？将
cmap
参数替换为
colors
并将您需要的颜色传递给它，例如，黑色的字母“k:
plt.contour（…，colors='k'）
。对不起，Max，我的最后一个问题是是否可以控制轮廓线的厚度。。。非常抱歉给您带来不便，请使用
线宽
参数。欲了解更多信息，请查看。