基于(x,y)坐标面的等高线图遮罩失效问题求助

嘿，我懂你现在卡在哪了——想画带无数据立方体区域的等高线图，不管是遮罩插值后的Zi还是处理x/y坐标，都没法把那块空白区域正确屏蔽对吧？我来给你分享几个靠谱的解决思路和具体代码：

核心思路：从源头标记缺失值 #

你之前踩的坑大概率是：插值阶段已经把无数据区域填上了估算值，之后再遮罩就晚了。正确的做法是先给原始数据里的无数据区域打上NaN标记，让插值过程自动跳过这些点，最终生成的网格数据里，无数据区域会保留NaN，matplotlib的等高线函数会自动忽略这些NaN值。

步骤1：标记原始数据中的无数据区域 #

先把你的立方体无数据范围对应的z值设为NaN，示例代码如下：

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

# 你的原始数据
x = centre_unadj['X [mm]']
y = centre_unadj['Y [mm]']
z = centre_unadj['LDA1-RMS [m/s]']

# 替换成你实际的无数据立方体坐标范围
x_min, x_max = 15, 25  # 示例X轴范围
y_min, y_max = 8, 18   # 示例Y轴范围

# 生成遮罩，标记立方体区域内的点
mask = (x >= x_min) & (x <= x_max) & (y >= y_min) & (y <= y_max)
# 把对应区域的z值设为NaN
z[mask] = np.nan

步骤2：生成网格并插值（保留NaN） #

用griddata插值时，会自动跳过原始数据中的NaN点，无数据区域的插值结果会保持NaN：

# 生成等高线用的密集网格
xi = np.linspace(x.min(), x.max(), 100)
yi = np.linspace(y.min(), y.max(), 100)
xi, yi = np.meshgrid(xi, yi)

# 插值（可选linear/cubic/nearest，根据你的数据选合适的方法）
zi = griddata((x, y), z, (xi, yi), method='cubic')

步骤3：绘制等高线（自动忽略NaN区域） #

现在直接绘图就行，matplotlib会自动跳过NaN对应的区域，不会在无数据的立方体里绘制等高线：

plt.figure(figsize=(10,8))
# 填充式等高线
contour_fill = plt.contourf(xi, yi, zi, cmap='viridis', levels=15)
# 叠加等高线线条
contour_lines = plt.contour(xi, yi, zi, colors='white', linewidths=0.5)

# 添加辅助元素
plt.colorbar(contour_fill, label='LDA1-RMS [m/s]')
plt.scatter(x, y, c='red', s=8, label='原始数据点')
plt.xlabel('X [mm]')
plt.ylabel('Y [mm]')
plt.title('带无数据区域遮罩的等高线图')
plt.legend()
plt.show()

为什么之前的遮罩方法没用？ #

• 如果先插值再遮罩Zi：插值过程已经用周围数据填充了无数据区域，此时再设NaN虽然也能生效，但插值出来的估算值可能已经影响了周围等高线的形状，不如从源头标记NaN可靠。
• 如果只遮罩x/y坐标：原始数据里的点依然存在，插值时还是会把无数据区域填上值，自然没法屏蔽。

内容的提问来源于stack exchange，提问作者Doomski