Python二维数组绘制不规则多边形：代码问题排查与修正

错误原因 #

你的代码核心问题是坐标体系不匹配：

• 定义的polygon_vertices用的是网格索引值（比如(10,10)对应第10行第10列的网格点），但判断点是否在多边形内时，传入的是X[i,j]和Y[i,j]——这两个是0到1.7之间的物理坐标值，两者数值范围完全不重叠，导致polygon_path.contains_point()始终返回False，数组s自然不会被修改。
• 额外问题：嵌套双层循环遍历整个数组，效率较低，numpy场景下更适合用向量化操作优化。

修正方案（两种可选） #

方案1：将多边形顶点转换为物理坐标 #

如果你的polygon_vertices原本想表示网格索引，先把它转换成对应的物理坐标，再进行判断：

import numpy as np
import matplotlib.path as mpath
import pandas as pd

# variable declarations
Lx = 1.7  
Ly = 1.7  
Nx = 170
Ny = 170  
x = np.linspace(0, Lx, Nx+1)  # x方向空间网格     
y = np.linspace(0, Ly, Ny+1)  # y方向空间网格
X, Y = np.meshgrid(x, y)
# s array
s = np.zeros((Ny+1, Nx+1))  

# 将网格索引顶点转换为物理坐标
polygon_indices = [(10, 10), (50, 10), (50, 70), (10, 70)]
polygon_vertices = [(x[j], y[i]) for i, j in polygon_indices]
polygon_path = mpath.Path(polygon_vertices)

# 向量化判断，替代双层循环
points = np.column_stack((X.flatten(), Y.flatten()))
mask = polygon_path.contains_points(points).reshape(s.shape)
s[mask] = 100

df = pd.DataFrame(s)
df.to_excel('s.xlsx', index=False)

方案2：直接用网格索引进行判断 #

如果你的多边形顶点本身就是网格索引，直接用i,j（网格行列号）作为判断点：

import numpy as np
import matplotlib.path as mpath
import pandas as pd

# variable declarations
Lx = 1.7  
Ly = 1.7  
Nx = 170
Ny = 170  
x = np.linspace(0, Lx, Nx+1)  # x方向空间网格     
y = np.linspace(0, Ly, Ny+1)  # y方向空间网格
X, Y = np.meshgrid(x, y)
# s array
s = np.zeros((Ny+1, Nx+1))  

polygon_vertices = [(10, 10), (50, 10), (50, 70), (10, 70)]
polygon_path = mpath.Path(polygon_vertices)

# 向量化生成网格索引点
i_indices, j_indices = np.meshgrid(np.arange(Ny+1), np.arange(Nx+1), indexing='ij')
points = np.column_stack((i_indices.flatten(), j_indices.flatten()))
mask = polygon_path.contains_points(points).reshape(s.shape)
s[mask] = 100

df = pd.DataFrame(s)
df.to_excel('s.xlsx', index=False)

内容的提问来源于stack exchange，提问作者shoutong wang