如何为不等尺寸数组制作带可见数据点的等高线/拓扑图？

完全可以实现，核心是先把你的20×100的DataFrame转换成contour要求的等尺寸X、Y、Z数组，再叠加散点图显示原始数据点，具体操作如下：

1. 构造匹配尺寸的X、Y网格 #

你的DataFrame行对应Y轴、列对应X轴，直接用numpy.meshgrid生成和Z同维度的网格数组：

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

# 假设你的DataFrame名为df
x = np.arange(df.shape[1])  # 生成100个X轴刻度
y = np.arange(df.shape[0])  # 生成20个Y轴刻度
X, Y = np.meshgrid(x, y)    # 得到20×100的X、Y网格
Z = df.values               # 提取DataFrame的值作为Z数组，尺寸20×100

2. 绘制等高线+原始数据点 #

先画等高线（填充或线条式都可以），再用散点图叠加数据点：

plt.figure(figsize=(12, 6))
# 画填充等高线，用contour则是线条式等高线
contour_plot = plt.contourf(X, Y, Z, cmap='viridis', alpha=0.7)
plt.colorbar(contour_plot)  # 添加颜色条

# 叠加原始数据点：把网格数组展平成一维
plt.scatter(X.flatten(), Y.flatten(), c=Z.flatten(), 
            cmap='viridis', edgecolor='white', s=15)

plt.xlabel('X轴')
plt.ylabel('Y轴')
plt.title('等高线+原始数据点拓扑视图')
plt.show()

3. 不规则刻度数据的适配 #

如果你的X/Y轴不是均匀刻度（比如是时间序列、非均匀采样的位置），只需要把x、y换成实际的刻度值即可：

# 用DataFrame的列名作为X轴实际刻度，索引作为Y轴实际刻度
x = df.columns.values
y = df.index.values
X, Y = np.meshgrid(x, y)

4. 非网格数据的替代方案：tricontour #

如果你的数据是真正的不规则散点（非结构化网格），可以用tricontour/tricontourf，无需构造规则网格，直接传入展平后的一维数组：

plt.figure(figsize=(12, 6))
tricontour_plot = plt.tricontourf(X.flatten(), Y.flatten(), Z.flatten(), 
                                  cmap='viridis', alpha=0.7)
plt.colorbar(tricontour_plot)
plt.scatter(X.flatten(), Y.flatten(), c=Z.flatten(), 
            cmap='viridis', edgecolor='white', s=15)
plt.show()

内容的提问来源于stack exchange，提问作者Serena