基于Python Matplotlib绘制非结构化网格温度数据的填充等高线图

你的问题核心在于contourf要求输入的Z必须是和X、Y匹配的2D数组，但你的temp是1D的，且非结构化网格无法直接用meshgrid生成对应网格。以下是两种可行的解决方案：

方法一：插值到规则网格（适合需要规则网格输出的场景） #

使用scipy.interpolate.griddata将非结构化的1D温度数据插值到规则网格上，再用contourf绘制：

import numpy as np
import matplotlib.pyplot as plt
from scipy.interpolate import griddata

# 假设x、y、temp是已加载的1D数组
x = np.asarray(x)
y = np.asarray(y)
temp = np.asarray(temp)

# 生成规则网格的坐标范围
xi = np.linspace(x.min(), x.max(), 100)
yi = np.linspace(y.min(), y.max(), 100)
Xi, Yi = np.meshgrid(xi, yi)

# 插值得到2D的温度数据
Zi = griddata((x, y), temp, (Xi, Yi), method='cubic')  # 可选linear/nearest/cubic

# 绘制填充等高线
fig, ax = plt.subplots(1, 1)
contour = ax.contourf(Xi, Yi, Zi)
plt.colorbar(contour)
plt.show()

• linspace的100可按需调整，数值越大网格精度越高
• griddata的method参数：nearest速度最快但精度最低，linear是线性插值，cubic插值结果更平滑

方法二：直接基于三角剖分绘制（适合保留原始网格结构的场景） #

利用matplotlib.tri.Triangulation对非结构化点做三角剖分，用tricontourf直接绘制，无需转换为规则网格：

import numpy as np
import matplotlib.pyplot as plt
import matplotlib.tri as tri

# 假设x、y、temp是已加载的1D数组
x = np.asarray(x)
y = np.asarray(y)
temp = np.asarray(temp)

# 创建三角剖分对象
triang = tri.Triangulation(x, y)

# 绘制填充等高线
fig, ax = plt.subplots(1, 1)
contour = ax.tricontourf(triang, temp)
plt.colorbar(contour)
plt.show()

• 该方法直接使用原始非结构化点，无需插值，能更精准反映原始数据分布
• 若点分布存在异常（如凹域），可借助tri.TriAnalyzer过滤不合理的三角形

内容的提问来源于stack exchange，提问作者aytas31