如何用Matplotlib的pcolormesh实现坐标式实体密度热力图？

1. 路径正确性确认 #

pcolormesh完全适合实现你的需求，选的工具没问题，核心问题出在数据格式转换和轴的定义上。

2. 核心步骤：把浓度数据转为二维网格 + 正确定义X/Y轴 #

热力图依赖结构化的网格数据，你需要先把原始的（长度、高度、浓度）三元组转换成二维格式：

• 提取并排序所有唯一的长度（X轴）、高度（Y轴）值，作为网格的坐标轴
• 创建和坐标轴匹配的二维数组，将对应坐标的浓度值填入，无数据位置可填0或NaN

示例代码（直接可复用） #

假设你的数据存在DataFrame中，列名为length、height、concentration：

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

# 替换成你的真实数据
data = pd.DataFrame({
    'length': [0, 0, 1, 1, 2, 2],
    'height': [0, 1, 0, 1, 0, 1],
    'concentration': [0.2, 0.5, 0.3, 0.7, 0.1, 0.4]
})

# 1. 生成排序后的坐标轴
x_vals = np.sort(data['length'].unique())
y_vals = np.sort(data['height'].unique())

# 2. 创建网格矩阵（pcolormesh要求X/Y为二维格式）
X, Y = np.meshgrid(x_vals, y_vals)

# 3. 构建浓度二维数组
Z = np.zeros_like(X)
for x_idx, x in enumerate(x_vals):
    for y_idx, y in enumerate(y_vals):
        # 匹配对应坐标的浓度值
        match_val = data[(data['length'] == x) & (data['height'] == y)]['concentration']
        Z[y_idx, x_idx] = match_val.values[0] if not match_val.empty else 0

# 4. 绘制热力图，浅色对应高浓度（用_r反转色卡）
plt.figure(figsize=(8,6))
pcm = plt.pcolormesh(X, Y, Z, cmap='viridis_r')
plt.colorbar(pcm, label='实体密度')
plt.xlabel('长度（米）')
plt.ylabel('高度（米）')
plt.title('房间实体密度热力图')
plt.show()

3. 常见错误排查 #

• TypeError：大概率是X/Y/Z维度不匹配，必须保证X、Y是meshgrid生成的二维矩阵，Z的维度要和前两者完全一致
• 图不符合预期：检查X/Y值是否排序正确，Z数组的坐标映射是否颠倒（注意代码中Z[y_idx, x_idx]的索引顺序），颜色反转用色卡名加_r后缀即可

4. 高效数据转换方法（大数据量适用） #

如果数据量较大，嵌套循环效率低，可以用pandas的pivot直接转换：

# 直接生成匹配网格的二维浓度数组
Z = data.pivot(index='height', columns='length', values='concentration').fillna(0).values

内容的提问来源于stack exchange，提问作者Tary