Matplotlib绘图中屏蔽特定值、色条适配及相关报错问题求助

1. 解决掩码后z与x/y长度不一致的报错 #

tricontourf要求x、y、z为长度相同的一维数组，直接对z使用掩码数组会导致内部三角化时长度不匹配。正确做法是同步过滤x、y、z中不符合阈值的元素：

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

# 加载xarray数据
ds = xr.open_dataset('your_tqc_data.nc')
tqc = ds['TQC']

# 将数据展平为一维
x = tqc.lon.values.flatten()
y = tqc.lat.values.flatten()
z = tqc.values.flatten()

# 过滤阈值（如0.2）以上的数据
threshold = 0.2
valid_idx = z >= threshold
x_valid = x[valid_idx]
y_valid = y[valid_idx]
z_valid = z[valid_idx]

2. 让vmin/vmax生效 #

确保在调用tricontourf时明确指定vmin/vmax参数，且使用过滤后的有效数据（或正确的掩码数组）：

fig, ax = plt.subplots(figsize=(10, 6))
# 使用过滤后的数据，指定vmin为阈值，vmax为数据最大值
contour_plot = ax.tricontourf(
    x_valid, y_valid, z_valid,
    vmin=threshold,
    vmax=np.nanmax(z_valid),
    cmap='viridis'
)

如果使用掩码数组，需确保z是numpy.ma.MaskedArray，同时指定vmin：

z_masked = np.ma.masked_less(z, threshold)
contour_plot = ax.tricontourf(
    x, y, z_masked,
    vmin=threshold,
    cmap='viridis',
    extend='min'  # 必须设置，否则set_under不生效
)

3. 正确使用cmap.set_under屏蔽低值 #

若需保留所有数据点但屏蔽阈值以下的值，需配合extend='min'和vmin参数：

cmap = plt.get_cmap('viridis')
# 设置阈值以下的值为白色（或透明：'none'）
cmap.set_under('white')

fig, ax = plt.subplots(figsize=(10, 6))
contour_plot = ax.tricontourf(
    x, y, z_masked,
    vmin=threshold,
    cmap=cmap,
    extend='min'
)

• 必须设置extend='min'，否则色条不会显示低值的标记，且set_under的颜色不会应用到数据点
• vmin需与屏蔽阈值一致，确保小于该值的点被识别为"under"

4. 精确匹配colorbar与图高度 #

使用mpl_toolkits.axes_grid1的make_axes_locatable，无需手动调整shrink参数：

from mpl_toolkits.axes_grid1 import make_axes_locatable

fig, ax = plt.subplots(figsize=(10, 6))
contour_plot = ax.tricontourf(x_valid, y_valid, z_valid, vmin=threshold, cmap='viridis')

# 分割主轴，创建与主图高度一致的色条轴
divider = make_axes_locatable(ax)
# size设置色条宽度，pad设置色条与主图的间距
cax = divider.append_axes("right", size="5%", pad=0.1)

# 添加色条到新建的轴
fig.colorbar(contour_plot, cax=cax)

plt.show()

完整示例代码 #

方式1：过滤无效数据（推荐，性能更优） #

import xarray as xr
import matplotlib.pyplot as plt
import numpy as np
from mpl_toolkits.axes_grid1 import make_axes_locatable

# 加载数据
ds = xr.open_dataset('tqc_data.nc')
tqc = ds['TQC']
threshold = 0.2

# 展平并过滤数据
x = tqc.lon.values.flatten()
y = tqc.lat.values.flatten()
z = tqc.values.flatten()
valid_idx = z >= threshold
x_valid, y_valid, z_valid = x[valid_idx], y[valid_idx], z[valid_idx]

# 绘图
fig, ax = plt.subplots(figsize=(10, 6))
contour = ax.tricontourf(
    x_valid, y_valid, z_valid,
    vmin=threshold,
    vmax=np.nanmax(z_valid),
    cmap='viridis'
)

# 创建匹配高度的色条
divider = make_axes_locatable(ax)
cax = divider.append_axes("right", size="5%", pad=0.1)
fig.colorbar(contour, cax=cax, label='Total Column Cloud Water (TQC)')

ax.set_xlabel('Longitude')
ax.set_ylabel('Latitude')
ax.set_title('TQC Distribution (≥0.2)')

plt.show()

方式2：使用掩码数组保留所有点 #

import xarray as xr
import matplotlib.pyplot as plt
import numpy as np
from mpl_toolkits.axes_grid1 import make_axes_locatable

# 加载数据
ds = xr.open_dataset('tqc_data.nc')
tqc = ds['TQC']
threshold = 0.2

# 展平并创建掩码数组
x = tqc.lon.values.flatten()
y = tqc.lat.values.flatten()
z = tqc.values.flatten()
z_masked = np.ma.masked_less(z, threshold)

# 设置颜色映射
cmap = plt.get_cmap('viridis')
cmap.set_under('white')

# 绘图
fig, ax = plt.subplots(figsize=(10, 6))
contour = ax.tricontourf(
    x, y, z_masked,
    vmin=threshold,
    cmap=cmap,
    extend='min'
)

# 创建匹配高度的色条
divider = make_axes_locatable(ax)
cax = divider.append_axes("right", size="5%", pad=0.1)
fig.colorbar(contour, cax=cax, label='Total Column Cloud Water (TQC)')

ax.set_xlabel('Longitude')
ax.set_ylabel('Latitude')
ax.set_title('TQC Distribution (Values <0.2 masked)')

plt.show()

内容的提问来源于stack exchange，提问作者Louschmuh