如何在Python中为contourf图的Xarray数据添加显著性点绘？

问题描述 #

需要为Xarray DataArray格式的经纬度网格二维气候数据添加点绘（stippling）标识显著性，计划用True/False掩码叠加在变量可视化图上。使用contourf的hatching功能尝试实现时，出现两个问题：点绘覆盖整个绘图区域，且掩码的0、1值以实心色块显示，遮挡了原始变量数据。参考资料设置levels参数仍未解决问题，示例代码及效果如下：

import matplotlib.pyplot as plt
import numpy as np
import xarray as xr

def f(x, y):
    return np.sin(x) ** 10 + np.cos(10 + y * x) * np.cos(x)

x = np.linspace(0, 5, 51)
y = np.linspace(0, 5, 41)

X, Y = np.meshgrid(x, y)
Z = f(X, Y)

da = xr.DataArray(Z, coords = {"lon":x, "lat":y}, dims=["lat", "lon"])

fig =plt.figure(figsize=(12, 6))
ax1 = plt.subplot(121)
ax2 = plt.subplot(122)

ax1.contourf(da.lon, da.lat, da)

mask = da>0.5
ax2.contourf(da.lon, da.lat, da)
ax2.contourf(da.lon, da.lat, mask, hatches=["."])

效果说明：左图为目标变量的contourf可视化结果，右图为尝试添加点绘后的错误效果——点绘覆盖全图，且掩码的实心色块遮挡了原始数据。

解决方案 #

问题根源在于contourf默认会将掩码的0（False）和1（True）两个值都绘制成实心色块，导致覆盖原始数据。只需通过两个关键参数调整即可实现仅在掩码为True的区域显示点绘：

修改后的代码 #

import matplotlib.pyplot as plt
import numpy as np
import xarray as xr

def f(x, y):
    return np.sin(x) ** 10 + np.cos(10 + y * x) * np.cos(x)

x = np.linspace(0, 5, 51)
y = np.linspace(0, 5, 41)

X, Y = np.meshgrid(x, y)
Z = f(X, Y)

da = xr.DataArray(Z, coords = {"lon":x, "lat":y}, dims=["lat", "lon"])

fig =plt.figure(figsize=(12, 6))
ax1 = plt.subplot(121)
ax2 = plt.subplot(122)

# 绘制原始变量的contourf图
ax1.contourf(da.lon, da.lat, da)

mask = da>0.5
ax2.contourf(da.lon, da.lat, da)
# 仅在掩码为True的区域添加点绘
ax2.contourf(da.lon, da.lat, mask, 
             levels=[0.5, 1.5],  # 选中值为1（True）的区域
             facecolor='none',   # 取消实心色块，避免遮挡原始数据
             hatches=["."])      # 设置点绘样式

plt.show()

关键参数说明 #

• levels=[0.5, 1.5]：由于布尔掩码中True对应1，False对应0，该区间会精准选中所有值大于0.5的区域（即掩码为True的部分），忽略False区域。
• facecolor='none'：关闭contourf的实心填充色，只保留hatch（点绘）样式，完全避免遮挡下方的原始变量可视化结果。
• hatches=["."]：指定点绘的样式，可根据需求更换为"x"、"+"等其他样式。

内容的提问来源于stack exchange，提问作者Gen Tolhurst