如何用Matplotlib contourf绘制温度测量相对分布热力图？

核心问题本质 #

你要绘制日期-分位数-温度的热力分布图，但contourf要求输入规整的二维Z矩阵，而每日样本量不同导致原始数据无法生成符合要求的矩阵，这是图表不符合预期的核心原因。

关键解决步骤 #

1. 数据预处理：生成规整的分位温度矩阵 #

对每个日期的温度数据，计算固定数量分位数（比如0%、1%...100%）对应的温度值，确保每个日期输出数量一致，从而构建规整的Z矩阵：

import numpy as np
import pandas as pd

# 假设数据存储在df中，包含'date'（日期）和'temp'（温度）列
unique_dates = df['date'].unique()
# 定义要计算的分位数范围（0%-100%，步长1%）
quantile_points = np.arange(0, 101)
z_matrix = []

for date in unique_dates:
    # 获取当日有效温度数据
    daily_temps = df[df['date'] == date]['temp'].dropna().values
    # 计算该日期各分位数对应的温度值
    temp_percentiles = np.percentile(daily_temps, quantile_points)
    z_matrix.append(temp_percentiles)

# 转换为numpy二维数组，形状为(日期数, 分位数数量)
z_matrix = np.array(z_matrix)

2. 正确映射坐标轴与Z矩阵维度 #

contourf的输入需满足维度对应关系：

• X轴：日期数组（长度=日期数），需转换为matplotlib可识别的datetime格式
• Y轴：分位数数组（长度=分位数数量）
• Z轴：二维数组，需保证Z的行对应X轴每个点，列对应Y轴每个点，因此需要将z_matrix转置后传入：

import matplotlib.pyplot as plt

# 转换日期为datetime格式，确保坐标轴正确排序
x_axis = pd.to_datetime(unique_dates)
y_axis = quantile_points

# 绘制contourf热力图
plt.figure(figsize=(12, 6))
# 转置z_matrix，让Y轴（分位数）对应Z的列方向
contour_plot = plt.contourf(x_axis, y_axis, z_matrix.T, cmap='coolwarm', levels=20)
plt.colorbar(contour_plot, label='温度 (℃)')

# 调整坐标轴样式
plt.ylabel('分位数 (%)')
plt.xlabel('日期')
plt.xticks(rotation=45)
plt.tight_layout()
plt.show()

3. 常见错误排查 #

• 未做分位转换：直接传入不规则的每日温度数据，导致Z矩阵维度不匹配，图形错乱。
• 日期未序列化：用字符串日期作为X轴，matplotlib无法正确排序和渲染刻度。
• Z矩阵维度不对应：未转置Z矩阵，导致X/Y轴与温度值的映射关系颠倒。

内容的提问来源于stack exchange，提问作者Sebastian