如何使用Python的Matplotlib、Pyplot绘制含缺失(x,y)对数据的3D彩色映射曲面图并合并不同数据量的平滑曲线

这其实是3D绘图里很常见的问题，核心解决思路是通过插值把每条曲线统一到相同的采样点上，就能让所有数据长度一致，顺利绘制3D图了。下面是具体的实现步骤和代码：

步骤1：整理并清洗原始数据 #

首先把你的数据按y值分组，过滤掉z为'-'的无效数据，提取每组有效的x和z值：

import numpy as np
from scipy.interpolate import make_interp_spline
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D

# 把原始数据整理为列表格式
raw_data = [
    (6, 0, '-'), (6, 3, '-'), (6, 7.5, 10.66), (6, 12, '-'), (6, 15, '-'),
    (8, 0, 23.23), (8, 3, 14.93), (8, 7.5, 11.38), (8, 12, 3.16), (8, 15, 3.49),
    (10, 0, '-'), (10, 3, 16.12), (10, 7.5, 10.14), (10, 12, 3.37), (10, 15, '-'),
    (12, 0, '-'), (12, 3, '-'), (12, 7.5, 10.17), (12, 12, '-'), (12, 15, '-'),
]

# 按y值分组，仅保留有有效z值的数据
grouped_data = {}
for y_val, x_val, z_val in raw_data:
    if z_val != '-':
        if y_val not in grouped_data:
            grouped_data[y_val] = {'x': [], 'z': []}
        grouped_data[y_val]['x'].append(x_val)
        grouped_data[y_val]['z'].append(z_val)

步骤2：统一采样点并做平滑插值 #

我们先定义一组覆盖所有x范围的均匀采样点（比如从0到15取100个点，数量越多曲线越平滑），然后用三次样条插值给每条曲线生成对应这些采样点的z值，同时把y值扩展成和采样点长度一致的数组：

# 生成统一的x采样点，这里取100个点保证平滑度
uniform_x = np.linspace(0, 15, 100)

# 存储插值后的平滑曲线数据
smoothed_curves = []
for y_val, data in grouped_data.items():
    # 将每组的x、z转换为numpy数组
    x_arr = np.array(data['x'])
    z_arr = np.array(data['z'])
    
    # 创建三次样条插值函数，k=3保证曲线平滑
    spline_func = make_interp_spline(x_arr, z_arr, k=3)
    # 得到对应统一x采样点的平滑z值
    smoothed_z = spline_func(uniform_x)
    
    # 把y值扩展为和uniform_x长度一致的数组，适配3D绘图要求
    uniform_y = np.full_like(uniform_x, y_val)
    
    smoothed_curves.append( (uniform_y, uniform_x, smoothed_z) )

步骤3：绘制3D彩色平滑曲线 #

现在所有曲线的长度都一致了，直接用matplotlib的3D绘图功能，给每条曲线分配不同颜色，合并到同一幅图即可：

# 创建3D绘图对象
fig = plt.figure(figsize=(10, 7))
ax = fig.add_subplot(111, projection='3d')

# 给每条曲线分配差异化的颜色
curve_colors = ['#FF9A56', '#4A90E2', '#2ECC71', '#E74C3C']

# 遍历绘制每条平滑曲线
for idx, (y_arr, x_arr, z_arr) in enumerate(smoothed_curves):
    ax.plot(x_arr, y_arr, z_arr, color=curve_colors[idx], linewidth=2, label=f'y={y_arr[0]}')

# 设置坐标轴标签和图例
ax.set_xlabel('X Axis')
ax.set_ylabel('Y Axis')
ax.set_zlabel('Z Axis')
ax.legend(loc='upper right')

plt.show()

额外小提示 #

• 如果数据量特别小，可以用scipy.interpolate.interp1d代替make_interp_spline，但三次样条的平滑效果会更出色。
• 如果想要绘制彩色曲面而非单独曲线，可以进一步对y轴做均匀采样，用griddata生成完整网格数据后，调用plot_surface绘制。
• 注意检查每组有效点数量：插值函数至少需要2个有效点，若某组有效点不足，可能需要补全数据或跳过该组。

内容的提问来源于stack exchange，提问作者Saba