如何用Gnuplot绘制无插值带缺失数据的图及Python实现

我有一个结构如下的.csv文件：

• 第1列：密度
• 第2列：海拔
• 第3列：纬度
• 第4列：经度

我需要绘制指定样式的图表，但当前用gnuplot生成的图表是全局覆盖效果，实际数据存在缺失；同时需要忽略密度为负的行。当前使用的gnuplot脚本如下：

set cntrparam levels auto
set dgrid3d 150,100,4
set pm3d corners2color c1
set contour
unset surface
unset key
set pm3d map
set view map
set lmargin 5
set rmargin 6                                                               
set tmargin 2                                                            
set bmargin 2
splot 'new.csv' using 3:2:1 with pm3d notitle

我尝试用set pm3d corners2color c1去除插值但没成功，想知道：

1. 如何绘制出符合需求的图表（保留缺失数据区域，不全局覆盖）
2. 如何忽略密度为负的行或把这些行设为NaN
3. 如何用Python实现同样的绘图需求

1. 忽略密度为负的行 #

在using语句中加入条件判断，将负密度值替换为NaN，gnuplot会自动忽略NaN数据：

splot 'new.csv' using 3:2:($1 < 0 ? NaN : $1) with pm3d notitle

2. 关闭全局插值，保留缺失区域 #

你之前使用的set dgrid3d是强制生成规则网格并插值的命令，这正是导致图表全局覆盖的核心原因，直接移除这条命令即可：

set cntrparam levels auto
# 移除set dgrid3d 150,100,4
set pm3d corners2color c1
set contour
unset surface
unset key
set pm3d map
set view map
set lmargin 5
set rmargin 6                                                               
set tmargin 2                                                            
set bmargin 2
splot 'new.csv' using 3:2:($1 < 0 ? NaN : $1) with pm3d notitle

set pm3d corners2color c1的作用是用四边形角落颜色插值填充，但只有在关闭dgrid3d后，才会保留原始数据的缺失区域，不会强行补全整个画布。

如果需要更清晰区分缺失区域，可设置NaN区域的颜色：

set pm3d nancolor rgb "#cccccc"  # 将缺失区域设为灰色

使用pandas处理数据，matplotlib绘图，以下是完整实现：

import pandas as pd
import matplotlib.pyplot as plt
from matplotlib.colors import Normalize

# 1. 读取数据
df = pd.read_csv('new.csv', header=None, names=['density', 'altitude', 'latitude', 'longitude'])

# 2. 过滤负密度数据，转为缺失值
df['density'] = df['density'].where(df['density'] >= 0, pd.NA)

# 3. 方案1：绘制离散散点图
fig, ax = plt.subplots(figsize=(10, 6))
scatter = ax.scatter(df['longitude'], df['latitude'], c=df['density'], cmap='viridis', norm=Normalize())
plt.colorbar(scatter, label='密度')

# 方案2：绘制三角剖分插值面图（仅在有数据区域生成，保留缺失区域）
# fig, ax = plt.subplots(figsize=(10, 6))
# contour = ax.tricontourf(df['longitude'], df['latitude'], df['density'], cmap='viridis', levels=20)
# plt.colorbar(contour, label='密度')

# 设置坐标轴与标题
ax.set_xlabel('经度')
ax.set_ylabel('纬度')
ax.set_title('密度分布')

plt.tight_layout()
plt.show()

补充说明 #

• 若为地理坐标数据，可搭配cartopy添加地图底图，替换绘图初始化代码：

  import cartopy.crs as ccrs
  fig, ax = plt.subplots(figsize=(10, 6), subplot_kw={'projection': ccrs.PlateCarree()})
  ax.coastlines()  # 添加海岸线
  

• tricontourf基于现有数据做三角剖分插值，只会在有数据的区域生成面，不会覆盖全局，完美适配缺失数据场景。

内容的提问来源于stack exchange，提问作者Rabia Sönmez