如何使用griddata绘制数据集且不剔除异常值？

这种被海量背景点淹没核心数据的情况我太有经验了！下面几个亲测好用的方法，能帮你清晰展示出z值平滑变化的线条，同时也能保留z=0的点信息：

1. 分层绘制：先画背景点，再画有效点 #

把数据分成z=0和z≠0两部分，先绘制淡色、小尺寸的背景点，再叠加显眼的有效点——这样有效线条完全不会被掩盖，背景信息也保留了。

示例代码（用Matplotlib）：

import matplotlib.pyplot as plt
import numpy as np

# 假设你的数据是numpy数组：x, y, z
# 筛选两类点
mask_nonzero = z != 0
x_eff, y_eff, z_eff = x[mask_nonzero], y[mask_nonzero], z[mask_nonzero]
x_bg, y_bg = x[~mask_nonzero], y[~mask_nonzero]

plt.figure(figsize=(10, 8))
# 先画背景点：淡灰色、极小尺寸、低透明度
plt.scatter(x_bg, y_bg, s=1, color='#e0e0e0', alpha=0.4, label='z=0')
# 再画有效点：用颜色映射展示z值，尺寸更大
plt.scatter(x_eff, y_eff, s=6, c=z_eff, cmap='viridis', edgecolor='white', label='z≠0')

plt.colorbar(label='观测值z')
plt.legend()
plt.xlabel('x坐标')
plt.ylabel('y坐标')
plt.show()

2. 插值绘制连续线条/面 #

既然有效点的z值是平滑变化的线条，我们可以对这些点做插值，生成连续的线条或填充面，再把z=0的点作为背景——这种方式能让有效数据的趋势更直观。

示例代码（结合Scipy插值）：

from scipy.interpolate import griddata

# 先创建绘图网格
xi = np.linspace(x.min(), x.max(), 1000)
yi = np.linspace(y.min(), y.max(), 1000)
xi_grid, yi_grid = np.meshgrid(xi, yi)

# 对有效点做三次插值（平滑效果好）
zi_grid = griddata((x_eff, y_eff), z_eff, (xi_grid, yi_grid), method='cubic')

plt.figure(figsize=(10, 8))
# 背景点依然用淡色小尺寸
plt.scatter(x_bg, y_bg, s=1, color='#e0e0e0', alpha=0.3)
# 绘制插值后的等高线（或填充面）
plt.contour(xi_grid, yi_grid, zi_grid, colors='#ff4444', linewidths=2, label='z趋势线')
# 或者用填充面：plt.contourf(xi_grid, yi_grid, zi_grid, cmap='viridis', alpha=0.6)

plt.colorbar(label='观测值z')
plt.legend()
plt.show()

3. 动态调整点的属性（无需拆分数据） #

如果不想手动拆分数据，可以用numpy的条件判断，给z=0的点设置极小的尺寸和极低的透明度，有效点则用高对比度的样式：

plt.figure(figsize=(10, 8))
# 用条件数组设置点的大小、透明度和颜色
point_sizes = np.where(z == 0, 0.5, 7)
point_alphas = np.where(z == 0, 0.1, 1.0)
point_colors = np.where(z == 0, '#cccccc', z)

plt.scatter(x, y, s=point_sizes, alpha=point_alphas, c=point_colors, cmap='viridis')

plt.colorbar(label='观测值z')
plt.show()

4. 用不同标记区分两类点 #

给z=0的点用最不显眼的标记（比如.小点），有效点用更突出的标记（比如o实心圆），视觉上自然就能区分开：

plt.figure(figsize=(10, 8))
plt.scatter(x_bg, y_bg, s=1, marker='.', color='gray', alpha=0.3, label='z=0')
plt.scatter(x_eff, y_eff, s=5, marker='o', c=z_eff, cmap='viridis', label='z≠0')

plt.colorbar(label='观测值z')
plt.legend()
plt.show()

选择建议 #

• 如果需要保留所有原始点的位置信息：优先用分层绘制或动态调整属性的方法；
• 如果更关注有效数据的变化趋势：插值绘制能让线条更清晰直观。

内容的提问来源于stack exchange，提问作者Nigu