Python绘制XYZ数据等高线图遇QH6013 Qhull输入错误求助

错误根源 #

这个Qhull输入错误的核心问题是你的原始数据无法构建有效的二维Delaunay三角剖分，具体触发场景：

• 错误提示提到"所有点都有相同的x坐标50"，但你描述的x范围是500-5000，说明数据读取时混入了异常值，或者数组索引错误（比如a[0]并非你预期的x数据集）
• 另一种可能是数据点在二维平面完全共线（比如所有点x固定，或y与x成严格线性关系），导致无法生成二维剖分所需的分散点集

解决方案 #

1. 排查并清理异常数据 #

先确认数据的有效性，过滤不符合预期的异常点：

import numpy as np
import matplotlib.pyplot as plt
from scipy.interpolate import griddata

# 读取原始数据
x = np.array(a[0])
y = np.array(a[1])
z = np.array(a[2])

# 检查x的范围，定位异常值
print(f"x的最小值: {x.min()}, 最大值: {x.max()}")
# 过滤掉不在500-5000范围内的异常点
mask = (x >= 500) & (x <= 5000)
x_clean = x[mask]
y_clean = y[mask]
z_clean = z[mask]

# 校验清理后的数据维度有效性
if len(np.unique(x_clean)) <= 1 or len(np.unique(y_clean)) <=1:
    print("警告：清理后的数据仍存在单一维度无变化的情况，无法使用linear插值")

2. 更换插值方法 #

如果数据确实存在共线情况（比如x或y维度变化极小），改用不需要三角剖分的插值方法：

• method='nearest'：最邻近插值，稳定性最高，适合稀疏或共线数据
• method='cubic'：三次插值，效果更平滑，对数据分布要求略高于nearest

完整示例代码：

# 创建网格坐标
xi = np.linspace(x_clean.min(), x_clean.max(), 100)
yi = np.linspace(y_clean.min(), y_clean.max(), 100)
Xi, Yi = np.meshgrid(xi, yi)

# 使用最邻近插值避免剖分错误
Zi = griddata((x_clean, y_clean), z_clean, (Xi, Yi), method='nearest')

# 绘制等高线图
plt.figure(figsize=(10, 8))
plt.contourf(Xi, Yi, Zi, cmap='viridis')
contours = plt.contour(Xi, Yi, Zi, levels=10, colors='black')
plt.colorbar(label='Z Value')
plt.scatter(x_clean, y_clean, color='red', alpha=0.5)
plt.title('Contour Plot of X-Y-Z Data')
plt.xlabel('X')
plt.ylabel('Y')
plt.clabel(contours, inline=True, fontsize=10)
plt.show()

3. 临时调试：添加微小扰动（不推荐用于正式场景） #

如果数据本身是二维但因重复值导致共线，可以给x/y添加极小随机噪声破坏共线性，让linear插值正常工作：

x_noisy = x_clean + np.random.normal(0, 1e-6, size=x_clean.shape)
y_noisy = y_clean + np.random.normal(0, 1e-6, size=y_clean.shape)
Zi = griddata((x_noisy, y_noisy), z_clean, (Xi, Yi), method='linear')

内容的提问来源于stack exchange，提问作者Lelouch