CSV数据插值绘制等高线出现NaN值及Z数组维度问题

1. 网格范围超出原始散点的凸包：scipy的griddata函数使用linear/cubic方法时，仅对原始散点构成的凸包内部的点做插值，凸包外的点默认返回NaN。你的原始x轴数据范围是[-3.08, 12.09]，y轴范围是[0.02, 10.28]，自定义的x范围是[-5,10]，部分网格点落在凸包外，因此产生大量NaN。
2. 值数组维度错误：你使用contour_data[[3]].to_numpy()提取z值，得到的是形状为(n,1)的二维数组，插值后输出的Z会是形状为(10,10,1)的三维数组，不符合等高线绘制要求的二维格式。

直接修改代码如下：

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

# 提取x/y坐标点
points = contour_data[[0,1]].to_numpy()
# 提取一维z值数组
values = contour_data[3].to_numpy()

# 网格范围对齐原始数据的极值，减少凸包外区域
x_min, x_max = points[:,0].min(), points[:,0].max()
y_min, y_max = points[:,1].min(), points[:,1].max()
# 可适当调高网格分辨率，让等高线更平滑
x = np.linspace(x_min, x_max, 100)
y = np.linspace(y_min, y_max, 100)
grid_x, grid_y = np.meshgrid(x, y)

# 立方插值，可添加fill_value参数指定凸包外的填充值
Z = griddata(points, values, (grid_x, grid_y), method='cubic')

# 可选：对剩余NaN用最近邻插值填充，适合需要无缺失值的场景
if np.isnan(Z).any():
    from scipy.interpolate import NearestNDInterpolator
    nan_pos = np.isnan(Z)
    nearest_interp = NearestNDInterpolator(points, values)
    Z[nan_pos] = nearest_interp(grid_x[nan_pos], grid_y[nan_pos])

# 绘制等高线
plt.contourf(grid_x, grid_y, Z, cmap='viridis')
plt.scatter(points[:,0], points[:,1], c='red', s=5, label='原始散点')
plt.legend()
plt.colorbar(label='z值')
plt.show()

修改后输出的Z为和grid_x/grid_y形状一致的二维数组，可直接用于等高线绘制，NaN问题也得到解决。

内容的提问来源于stack exchange，提问作者Nisa Ulumuddin