Python Matplotlib绘制面积图:fill_between函数用法详解

苏见山
苏见山
发布时间:2026-11-22| 9人浏览过
原创

深入讲解 Python Matplotlib 中 fill_between 函数的核心机制、参数配置、双曲线区间填充与 where 条件着色技巧,结合完整代码与专业图示助你快速掌握面积图绘制。

在 Python 数据可视化中,面积图常用于直观呈现数值累积、区间波动范围以及阈值上下波动。Matplotlib 库提供了 plt.fill_between()(或面向对象接口中的 ax.fill_between())函数,专门用于在横坐标区间内对两条纵坐标曲线之间进行着色填充。本文将详细拆解该函数的核心原理、关键参数语法、双曲线区间填充以及条件分段着色方法,帮助读者写出规范、高效的面积图代码。

一、fill_between 的工作机制与基础语法

面积图本质上是由数据点围成的闭合多边形(Polygon)。在常规折线图中,我们只关注曲线本身;而在面积图中,关注点扩展为曲线与特定基准线或另一条曲线所夹持的平面区域。

fill_between 的核心逻辑是沿着给定的横坐标序列 x,在对应的两个纵坐标序列 y1 和 y2 之间构造一系列多边形顶点并进行颜色填充。其最常用的基础函数签名如下:

ax.fill_between(x, y1, y2=0, where=None, step=None, interpolate=False, **kwargs)

各核心参数的具体含义与取值规则如下:

  • x:长度为 N 的一维数组或数值序列,代表填充区域的横坐标节点。
  • y1:长度为 N 的一维数组或标量,代表第一条边界曲线的纵坐标。
  • y2:长度为 N 的一维数组或标量,代表第二条边界曲线的纵坐标。其默认值为 0,即默认填充曲线与 X 轴(y=0)之间的面积。
  • where:长度为 N 的布尔数组(True/False),用于选择性地仅在满足条件的位置进行填充。
  • interpolate:布尔值,默认 False。当 y1 和 y2 发生交叉且设置了 where 时,设为 True 可以计算交叉交点并填平缝隙。
Python Matplotlib绘制面积图:fill_between函数用法详解
图 1:fill_between 底层几何顶点连接与多边形构建机制

二、基础面积图绘制示例

最简单的面积图应用场景是绘制单条时序数据的走势,并在折线下方填充淡色背景,以此增强视觉重心。

在实际编写可视化脚本时,推荐使用 Matplotlib 的面向对象风格(通过 plt.subplots 创建 fig 和 ax),并将 fill_between 与 plot 结合使用。单独调用 fill_between 只能绘制色块,配合 plot 绘制上边界线条能够让图表轮廓更加锐利。

import matplotlib.pyplot as plt
import numpy as np

# 1. 构造连续模拟数据
x = np.linspace(0, 10, 100)
y = np.sin(x) + 1.5

# 2. 创建画布与坐标轴
fig, ax = plt.subplots(figsize=(8, 4.5), dpi=100)

# 3. 绘制上方轮廓线
ax.plot(x, y, color="#394957", linewidth=2, label="指标走势")

# 4. 填充曲线与 y=0 之间的区域
ax.fill_between(x, y, 0, color="#394957", alpha=0.25, label="累计区间")

# 5. 图表样式微调
ax.set_title("基础单曲线面积图示例", fontsize=14, pad=12)
ax.set_xlabel("时间节点 (X)")
ax.set_ylabel("测量数值 (Y)")
ax.set_ylim(0, 3.0)
ax.legend(loc="upper right")
ax.grid(True, linestyle="--", alpha=0.5)

plt.show()

在上述代码中,alpha=0.25 是绘制面积图的关键参数。如果保持默认不透明度(alpha=1.0),填充色会完全遮挡背景网格线及其他辅助元素。一般推荐将透明度控制在 0.15 到 0.35 之间。

三、双曲线区间填充与置信区间/误差带

当分析带波动范围的数据时(例如模型预测的 95% 置信区间、实验测试的最大/最小误差带),需要填充上下两条曲线之间的区域。此时 y1 传入上界数组,y2 传入下界数组。

# 模拟均值及上下波动范围
x = np.linspace(0, 20, 120)
mean_val = np.log1p(x)
upper_bound = mean_val + 0.4 * np.random.uniform(0.8, 1.2, size=len(x))
lower_bound = mean_val - 0.4 * np.random.uniform(0.8, 1.2, size=len(x))

fig, ax = plt.subplots(figsize=(8, 4.5), dpi=100)

# 绘制中间均值实线
ax.plot(x, mean_val, color="#394957", lw=2, label="预测均值")

# 填充上下界区间
ax.fill_between(x, lower_bound, upper_bound, color="#AD8B58", alpha=0.3, label="95% 置信区间")

ax.legend()
plt.show()

不同场景下,fill_between 的调用方式有着明显的结构性差异。下图直观对比了面积图的三大常见模式:

Python Matplotlib绘制面积图:fill_between函数用法详解
图 2:fill_between 的三种核心应用模式与适配场景对比

四、进阶用法:条件填充与 interpolate 解决断缝

在对比两组指标或观察数据跨越阈值时,我们经常希望在 y1 >= y2 时填充一种颜色,在 y1 < y2 时填充另一种颜色。where 参数接收布尔掩码数组,正是用于实现这一需求。

1. where 参数的布尔筛选

通过构造布尔条件(例如 y >= 0),可以将满足条件的片段独立填充:

# 正值部分填充深灰蓝,负值部分填充暗金
ax.fill_between(x, y, 0, where=(y >= 0), color="#394957", alpha=0.3, label="正向收益")
ax.fill_between(x, y, 0, where=(y < 0), color="#AD8B58", alpha=0.3, label="负向亏损")

2. interpolate=True 的关键作用

初学者在使用 where 参数时,最常遇到的视觉 Bug 是:在曲线与阈值线交叉的地方,出现了明显的白色断裂间隙。

产生这一现象的原因是离散采样点机制:当 x[i] 处为正数而 x[i+1] 处为负数时,如果不做特殊处理,Matplotlib 只会在确定的离散点上终止多边形,而不会主动求解曲线与基准线精确相交的零点,从而导致两段填充之间留有空白。

解决方法非常简单:在调用 fill_between 时显式设置 interpolate=True。Matplotlib 会自动进行线性插值,精确计算交叉点坐标,让两段色块严密相接。

避坑提示:使用 where 时的两点强制约束
  1. where 数组的长度必须与 x 严格一致,不能使用切片缩短后的数组。
  2. 只要涉及到多段条件交替切换,必须同时配置 interpolate=True,否则图表在放大查看或导出矢量图时会出现锯齿白斑。

五、规范绘图的完整实战流程

为了在生产环境或学术论文中产出高质量的面积图,应遵循标准的可视化开发步骤。下方的操作流程图总结了从数据预检到最终成图的规范闭环:

Python Matplotlib绘制面积图:fill_between函数用法详解
图 3:面积图绘制的标准四步流水线与各环节注意事项

六、常见问题与注意事项

常见问题表现 诱发根因 针对性解决方案
形状断裂或出现垂直交叉乱线 横坐标 x 数组未按数值升序严格排序,多边形自相交。 在绘图前使用 sort_idx = np.argsort(x) 对 x, y1, y2 进行联合升序排序。
条件分段处存在白色细缝 仅指定了 where 参数,未启用精确插值。 显式传入 interpolate=True,强制求解交点闭合多边形。
图表中完全不显示填充色 数据中包含 np.nan 或全为空值,Matplotlib 丢弃无效多边形。 预先处理缺失值(如 np.nan_to_num 或使用 Pandas 的 interpolate())。
需要沿垂直方向(Y轴)填充 错误调用 fill_between 处理垂直面积。 改用专用的 ax.fill_betweenx(y, x1, x2) 函数。

七、核心知识点总结与参数速查

为了方便日常编写与快速查阅,以下知识卡片整理了 fill_between 的完整参数逻辑与最佳实践准则:

Python Matplotlib绘制面积图:fill_between函数用法详解
图 4:fill_between 核心参数全景速查与专业制图规范卡片

通过掌握 fill_between 的几何闭合逻辑与关键参数搭配,不仅可以轻松实现单线基准填充与置信区间误差带绘制,还能通过条件掩码精确处理正负收益、阈值报警等多状态场景,为数据分析与学术论文提供清晰、专业的可视化呈现。

免责声明:本文内容仅供参考,不代表本站观点。转载或引用请注明出处。

Python 相关产品和应用

全部下载
Selenium

Selenium

4.51.0 · Windows

用于浏览器自动化和 Web 测试的 Python 工具。

scikit-learn

scikit-learn

1.9.1 · Windows

常用 Python 机器学习算法与模型评估工具库。

Black

Black

26.10.1 · Windows

强调一致性的 Python 自动代码格式化工具。

Ruff

Ruff

0.17.1 · macOS

由 Rust 编写的高速 Python 代码检查和格式化工具。

pytest

pytest

9.1.1 · Windows

简洁而强大的 Python 自动化测试框架。

FastAPI

FastAPI

0.146.0 · Windows

高性能 Python API 框架,支持类型提示和自动接口文档。

Flask

Flask

3.1.3 · Windows

轻量灵活的 Python Web 应用框架。

Django

Django

6.1.2 · Windows

成熟的 Python Web 框架,适合构建内容站点和业务系统。

Spyder

Spyder

6.1.7 · Windows

面向科学计算与数据分析的 Python 集成开发环境。

SciPy

SciPy

1.18.1 · Windows

面向科学、工程和技术计算的 Python 算法库。