Python绘制径向热力图遇空图问题求助

问题核心错误排查 #

你的代码出现空图主要有以下几个关键问题：

• 列名不匹配：示例DataFrame中距离列名为dist，但循环代码中使用value["distance"]读取，导致无法获取距离值，分箱后的round_bins全为0。
• 角度与极坐标不兼容：matplotlib极坐标使用弧度且从右侧（0弧度）逆时针递增，原始角度[-180,180]度未正确转换为对应范围。
• 网格与数据维度不匹配：分箱后的counts矩阵与极坐标网格的维度未对齐，导致pcolormesh无法正确渲染。

修正后的完整代码 #

1. 数据分箱（两种可选方式） #

方式一：循环分箱（修正列名与边界判断）

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

# 示例DataFrame（统一列名为distance）
df = pd.DataFrame({
    'angle': [-180.0]*10,
    'distance': [0.64, 0.67, 0.68, 0.72, 0.75, 0.76, 0.78, 0.79, 0.80, 0.82],
    'counts': [1,1,1,1,2,2,1,4,1,2]
})

# 定义分箱区间
degree_bins = np.arange(-180, 181, 5)  # -180到180，步长5
distance_bins = np.arange(0, 20.25, 0.25)  # 0到20.25，覆盖0-20的所有值

# 初始化分箱汇总矩阵
round_bins = pd.DataFrame(0, index=distance_bins, columns=degree_bins)

# 循环汇总counts
for _, value in df.iterrows():
    degree = value["angle"]
    distance = value["distance"]
    count = value["counts"]
    
    # 获取分箱索引，避免越界
    degree_bin = np.digitize(degree, degree_bins) - 1
    distance_bin = np.digitize(distance, distance_bins) - 1
    
    if 0 <= degree_bin < len(degree_bins) and 0 <= distance_bin < len(distance_bins):
        round_bins.iloc[distance_bin, degree_bin] += count

# 提取有效分箱区间（bins数量减1）
counts = round_bins.iloc[:-1, :-1]

方式二：groupby快速分箱（推荐）

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

df = pd.DataFrame({
    'angle': [-180.0]*10,
    'distance': [0.64, 0.67, 0.68, 0.72, 0.75, 0.76, 0.78, 0.79, 0.80, 0.82],
    'counts': [1,1,1,1,2,2,1,4,1,2]
})

degree_bins = np.arange(-180, 181, 5)
distance_bins = np.arange(0, 20.25, 0.25)

# 生成分箱标签（用区间左边界）
df['angle_bins'] = pd.cut(df['angle'], bins=degree_bins, labels=degree_bins[:-1])
df['distance_bins'] = pd.cut(df['distance'], bins=distance_bins, labels=distance_bins[:-1])

# 分组汇总，填充缺失分箱的0值
counts = df.groupby(['distance_bins', 'angle_bins'])['counts'].sum().unstack(fill_value=0)
# 确保索引与分箱区间完全匹配
counts = counts.reindex(index=distance_bins[:-1], columns=degree_bins[:-1], fill_value=0)

2. 径向热力图绘制（修正极坐标转换） #

# 准备绘图参数
n_angles = len(degree_bins) - 1
n_radii = len(distance_bins) - 1

# 将角度转换为matplotlib极坐标支持的弧度：[-180,180] → [0, 2π]，取区间中点
angles_rad = np.deg2rad(degree_bins[:-1] + 2.5)
# 取距离区间中点
radii = distance_bins[:-1] + 0.125

# 生成极坐标网格
th, r = np.meshgrid(angles_rad, radii)
# 转置counts矩阵以匹配网格维度
z = counts.to_numpy().T

# 绘图
plt.figure(figsize=(10,10))
ax = plt.subplot(projection='polar')
# 使用shading='auto'避免网格间隙
pcm = ax.pcolormesh(th, r, z, cmap='jet', shading='auto')

# 添加网格与刻度
ax.set_theta_grid(10)  # 每10度显示一条角度网格线
ax.set_rgrids(distance_bins[::4])  # 每1个距离单位显示一条径向网格线
plt.colorbar(pcm, shrink=0.8, label='Counts')

plt.show()

关键修正说明 #

• 列名统一：确保代码中读取的列名与DataFrame实际列名一致，否则分箱汇总全为0。
• 极坐标角度转换：将原始角度转换为[0,2π]的弧度范围，取区间中点能让热力图的颜色对应更准确。
• 维度匹配：分箱后的有效区间数是bins数组长度-1，生成网格时需使用这些区间的中点，保证th、r、z三者维度完全一致。

内容的提问来源于stack exchange，提问作者milkz-boi