Python中实现二维岩性图插值绘制（离散转连续）

散点图仅能展示离散数据点，要生成连续的岩性分布图，核心是对离散岩性数据做空间插值网格化，再通过填色图呈现。以下是具体实现步骤和代码：

方法思路 #

1. 生成覆盖原始数据范围的规则网格（x、y轴的网格化坐标）
2. 针对分类岩性数据，用合适的插值方法将离散值映射到网格上（优先选最近邻插值，避免出现非整数岩性值）
3. 匹配岩性对应的配色方案，绘制填色图并添加图例说明

完整代码示例 #

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

# 提取原始数据
x = df_final['x'].values
y = df_final['y'].values
lithology = y_final  # 取值1-6的岩性数组

# 生成规则网格（可调整resolution控制图的精细度）
resolution = 100
xi = np.linspace(x.min(), x.max(), resolution)
yi = np.linspace(y.min(), y.max(), resolution)
xi, yi = np.meshgrid(xi, yi)

# 对岩性做最近邻插值（适配分类变量）
zi = griddata((x, y), lithology, (xi, yi), method='nearest')

# 定义岩性配色（与原代码保持一致）
colormap = np.array(['blue','green','pink','brown','yellow','white'])
cmap = ListedColormap(colormap)

# 绘制连续填色图
plt.figure(figsize=[15,10])
im = plt.pcolormesh(xi, yi, zi, cmap=cmap, shading='auto')

# 添加颜色条并标注岩性类别
cbar = plt.colorbar(im)
cbar.set_ticks([1,2,3,4,5,6])
cbar.set_ticklabels(['岩性1','岩性2','岩性3','岩性4','岩性5','岩性6'])  # 替换为实际岩性名称

plt.xlabel('X坐标')
plt.ylabel('Y坐标')
plt.title('连续岩性分布图')
plt.show()

关键说明 #

• 插值方法：method='nearest'（最近邻）适配分类变量，避免插值出1-6之外的非整数岩性值；若想让边界更平滑，可尝试method='linear'，但需后续将插值结果就近取整为1-6的整数。
• 网格分辨率：resolution数值越大，网格越密，图越平滑，但计算量会相应增加。
• 配色调整：直接修改colormap数组即可更换岩性对应的颜色。

内容的提问来源于stack exchange，提问作者Bhawesh kumar singh