如何使用Seaborn或Matplotlib将热力图与等高线图叠加绘制？

我来帮你搞定这个需求！要在Seaborn热力图上叠加Matplotlib等高线，核心是确保两个数据集的坐标轴完全对齐，然后利用Matplotlib的contour函数来绘制百分比的等高线。下面是详细的步骤和修改后的代码：

步骤说明 #

1. 统一数据集格式：两个CSV结构类似，所以都要做相同的转置处理，保证α（x轴）和δ（y轴）的取值范围完全匹配
2. 绘制基础热力图：保留你原来的热力图代码，但要获取当前的轴对象，方便后续叠加元素
3. 准备等高线数据：提取第二个数据集的百分比数值，以及对应的α和δ坐标值
4. 叠加等高线：用Matplotlib的contour绘制等高线，可添加数值标签增强可读性

完整代码示例 #

import matplotlib.pyplot as plt
import pandas as pd
import seaborn as sns
import numpy as np

# 设置绘图风格
sns.set_theme()

# 读取并预处理两个数据集
# 第一个数据集：ϕ值，用于热力图
df_phi = pd.read_csv("data.csv", sep=";").transpose()
# 第二个数据集：百分比数值，用于等高线
df_percent = pd.read_csv("percent_data.csv", sep=";").transpose()

# 确保两个数据集的行列完全对齐（防止错位）
# 如果两个CSV的α/δ范围一致，这一步可以省略；如果有差异，用reindex对齐
df_percent = df_percent.reindex_like(df_phi)

# 绘制热力图
ax = sns.heatmap(
    df_phi,
    cmap="Reds",
    cbar_kws={"label": r'$\phi$'},
    vmin=0.0,
    vmax=1.2
)
ax.invert_yaxis()

# 准备等高线的坐标和数值
# 提取α的取值（x轴）和δ的取值（y轴），转换为numpy数组
x = df_phi.columns.astype(float).values
y = df_phi.index.astype(float).values
# 百分比数值的二维数组
z = df_percent.values.astype(float)

# 叠加等高线
# 可以通过levels参数指定要显示的等高线数值，比如levels=np.arange(0, 100, 10)
contour = plt.contour(
    x, y, z,
    colors="black",  # 等高线颜色
    linewidths=1.5,  # 线宽
    levels=5  # 等高线数量，或者自定义数值列表
)

# 添加等高线数值标签
plt.clabel(contour, inline=True, fontsize=10, fmt="%.1f%%")

# 设置坐标轴标签和布局
plt.xlabel(r'$\alpha$', fontsize=20)
plt.ylabel(r'$\delta$', fontsize=20)
plt.tight_layout()
plt.show()

关键细节说明 #

• 数据集对齐：一定要保证两个数据集的α列和δ行完全匹配，否则等高线会错位。如果存在差异，用df_percent.reindex_like(df_phi)可以快速对齐
• 坐标转换：Seaborn热力图默认用行列索引作为刻度，但contour需要实际的数值坐标，所以要把列名和索引转成数值类型的numpy数组
• 等高线自定义：你可以根据需求调整contour的参数：
  • 用contourf可以绘制填充式等高线（和热力图搭配时建议用contour线条式，避免遮挡热力图）
  • 通过levels指定具体的百分比数值（比如levels=[10,20,30]）
  • 修改colors、linewidths来调整等高线的样式

内容的提问来源于stack exchange，提问作者XDAF