Python 绘制等高线图需要准备数据，并使用 matplotlib 库中的 contour 或 contourf 函数进行可视化。等高线图数据通常来源于高程数据（DEM）或科学实验数据，可通过专业工具或数据网站获取。

1. 数据准备

• 数据来源：等高线图常用于展示地形高程分布，数据通常来源于 DEM（数字高程模型）文件。可以通过专业 GIS 工具（如 Global Mapper）生成等高线数据，或从公开数据源（如 ETOPO 数据集）下载高程数据。
• 数据格式：数据可以是二维数组或矩阵，使用 numpy 或 pandas 处理后可直接用于绘图。

2. Python 绘图步骤

1. 导入库：
   python

   复制

   import numpy as np
   import matplotlib.pyplot as plt
   

2. 准备数据：
   • 使用 numpy 生成或读取数据。
   • 示例数据：X, Y = np.meshgrid(np.linspace(-3, 3, 100), np.linspace(-3, 3, 100))。
   • 生成高程数据：Z = np.sin(np.sqrt(X**2 + Y**2))。
3. 绘制等高线图：
   python

   复制

   plt.figure(figsize=(8, 6))
   plt.contour(X, Y, Z, levels=20, cmap='viridis')  # 绘制等高线
   plt.title('Contour Plot Example')
   plt.xlabel('X')
   plt.ylabel('Y')
   plt.colorbar()  # 添加颜色条
   plt.show()
   

3. 获取等高线数据

• DEM 数据下载：从公开资源（如 ETOPO 数据集）获取高程数据。
• 数据处理：使用工具（如 Global Mapper）将 DEM 数据转换为等高线图。

4. 数据可视化技巧

• 颜色映射：使用 cmap 参数调整颜色，突出显示不同高程范围。
• 等高线间隔：通过 levels 参数调整等高线间隔，使图表更清晰。

总结

Python 绘制等高线图需要准备高程数据，使用 matplotlib 库完成可视化。数据可以通过专业工具生成或从公开资源下载。掌握这些方法后，可以高效展示二维数据的空间分布特征。