基于三列CSV文件用Python-Matplotlib绘制半圆极坐标热力图

错误原因 #

你遇到的TypeError: Input z must be 2D, not 1D是因为Matplotlib的热力图函数（如pcolormesh、contourf）要求输入的数值矩阵z是二维的，对应每个(角度,温度)网格单元的统计值，但你的原始CSV数据是一维的散点记录，直接传入会报错。解决核心是将一维散点数据转换为二维网格数据。

完整解决方案代码 #

以下是基于Pandas、NumPy和Matplotlib的实现步骤，适配你的数据需求：

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

# 1. 读取CSV数据
df = pd.read_csv('your_data.csv')  # 替换为你的CSV文件路径

# 2. 提取核心数据列
phi_deg = df['phiangle'].values  # 原始角度（0-180°）
temp = df['Temperature'].values  # 温度（25-249）
counts = df['Counts'].values     # 频次值

# 3. 转换角度为弧度（Matplotlib极坐标默认用弧度）
phi_rad = np.deg2rad(phi_deg)

# 4. 创建网格分箱
# 角度分箱：0-π弧度，分成36个区间（每5°一个）
phi_bins = np.linspace(0, np.pi, 37)
# 温度分箱：25-249，步长1，共224个区间
temp_bins = np.linspace(25, 249, 225)

# 5. 将一维数据聚合为二维网格（按网格单元求和Counts）
# z的形状为(温度区间数, 角度区间数)，后续需要转置匹配极坐标网格
z, temp_edges, phi_edges = np.histogram2d(temp, phi_rad, bins=[temp_bins, phi_bins], weights=counts)

# 6. 创建网格中点坐标（用于绘图）
r_mid, theta_mid = np.meshgrid(
    temp_bins[:-1] + np.diff(temp_bins)/2,  # 温度区间中点（径向坐标）
    phi_bins[:-1] + np.diff(phi_bins)/2     # 角度区间中点（极角坐标）
)

# 7. 绘制半圆极坐标热力图
fig, ax = plt.subplots(subplot_kw={'projection': 'polar'}, figsize=(8, 6))

# 设置为半圆显示（极角范围0-180°）
ax.set_thetamin(0)
ax.set_thetamax(180)

# 绘制热力图，注意z需要转置以匹配theta_mid和r_mid的形状
pcm = ax.pcolormesh(theta_mid, r_mid, z.T, cmap='viridis')

# 配置径向轴（温度）
ax.set_rmin(25)
ax.set_rmax(249)
ax.set_ylabel('Temperature', labelpad=25)
ax.set_yticks(np.arange(50, 250, 50))  # 设置间隔50的温度刻度

# 配置角度轴
ax.set_xticks(np.linspace(0, np.pi, 5))
ax.set_xticklabels(['0°', '45°', '90°', '135°', '180°'])

# 添加颜色条
fig.colorbar(pcm, ax=ax, label='Counts', pad=0.1)

plt.title('Temperature vs Phi Angle Semicircular Heatmap', y=1.1)
plt.show()

关键细节说明 #

• 数据聚合：使用np.histogram2d将每个(温度,角度)网格内的Counts求和，得到二维的z矩阵，解决了1D输入的问题。如果需要其他聚合方式（如均值），可以改用Pandas的pivot_table：

  # 分箱分组
  df['phi_bin'] = pd.cut(df['phiangle'], bins=np.arange(0, 181, 5))
  df['temp_bin'] = pd.cut(df['Temperature'], bins=np.arange(25, 250, 1))
  # 聚合求和
  pivot_df = df.pivot_table(values='Counts', index='temp_bin', columns='phi_bin', aggfunc='sum', fill_value=0)
  # 转换为绘图用的网格数据
  r_mid = pivot_df.index.map(lambda x: x.mid).values
  theta_mid = np.deg2rad(pivot_df.columns.map(lambda x: x.mid).values)
  r, theta = np.meshgrid(r_mid, theta_mid)
  z = pivot_df.values.T
  

• 半圆设置：通过ax.set_thetamin(0)和ax.set_thetamax(180)限制极角范围，实现半圆显示。
• 坐标匹配：np.meshgrid生成的极角(theta_mid)和径向(r_mid)网格是二维的，需要将聚合后的z矩阵转置（z.T）才能匹配维度。

内容的提问来源于stack exchange，提问作者gregory