如何基于仪器扫描的x、y点及对应角度值生成热力图？

现有仪器扫描得到的散点数据：

• x_points：一维数组，存储x坐标
• y_points：一维数组，存储y坐标
• philist：一维数组，对应每个(x,y)点的检测角度值

尝试三种方法均报错，以下是错误分析及解决方案：

错误原因分析 #

1. griddata报错：different number of values and points #

• 核心问题：
  • 输入griddata的points参数格式错误，需传入**(N,2)形状的二维数组**，而非两个独立的一维数组
  • 第三个参数应为要插值的规则网格，而非原始散点，否则失去插值意义
  • 需先确认x_points、y_points、philist三者长度完全一致

2. pcolormesh报错：not enough values to unpack (expected 2, got 1) #

• pcolormesh要求输入的X、Y是二维网格数组（由meshgrid生成），C是对应形状的二维数值数组，而你传入的均为一维数组，不符合参数要求

可行解决方案 #

方案1：griddata插值+contourf（规则网格热力图） #

先将散点插值到规则网格，再绘制填充等高线图，适合需要平滑效果的场景：

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

# 确保数据长度一致（先做检查）
assert len(x_points) == len(y_points) == len(philist), "数据长度不匹配"

# 1. 准备原始点数据
points = np.column_stack((x_points, y_points))
values = np.array(philist)

# 2. 生成规则网格
xi = np.linspace(min(x_points), max(x_points), 100)
yi = np.linspace(min(y_points), max(y_points), 100)
xi, yi = np.meshgrid(xi, yi)

# 3. 插值（可选method='linear'/'cubic'/'nearest'，根据需求选择）
zi = griddata(points, values, (xi, yi), method='cubic')

# 4. 绘制热力图
fig, ax = plt.subplots()
CS = ax.contourf(xi, yi, zi, 15, cmap=plt.cm.rainbow)
plt.colorbar(CS, label='检测角度')
ax.set_xlabel('X坐标')
ax.set_ylabel('Y坐标')
plt.show()

方案2：tricontourf（直接用散点绘制，无需插值） #

适合不规则分布的散点，直接基于三角剖分绘制热力图，保留原始数据分布：

import numpy as np
import matplotlib.pyplot as plt

# 确保数据长度一致
assert len(x_points) == len(y_points) == len(philist), "数据长度不匹配"

fig, ax = plt.subplots()
# 直接绘制三角剖分填充图
CS = ax.tricontourf(x_points, y_points, philist, 15, cmap=plt.cm.rainbow)
plt.colorbar(CS, label='检测角度')
ax.set_xlabel('X坐标')
ax.set_ylabel('Y坐标')
plt.show()

方案3：散点热力图（用点的颜色和大小表示数值） #

如果不需要填充的热力面，可直接用散点图的颜色映射展示数值：

import numpy as np
import matplotlib.pyplot as plt

# 确保数据长度一致
assert len(x_points) == len(y_points) == len(philist), "数据长度不匹配"

fig, ax = plt.subplots()
sc = ax.scatter(x_points, y_points, c=philist, cmap=plt.cm.rainbow, vmin=-np.abs(philist).max(), vmax=np.abs(philist).max())
plt.colorbar(sc, label='检测角度')
ax.set_xlabel('X坐标')
ax.set_ylabel('Y坐标')
plt.show()

内容的提问来源于stack exchange，提问作者Tristan Forks