Python中使用Matplotlib的fill_between进行区域填充

数据可视化里，区域填充是一个很实用但经常被低估的小技巧。只加一层颜色，就能让趋势、区间和比较关系更直观。Matplotlib 里的 fill_between() 正是做这件事最常用的函数之一。

这篇文章重点演示 4 类常见用法：

向基准线下方填充
向上方参考线填充
在两条曲线之间填充
在真实业务图里如何用它表示区间和重点区域

数据准备

首先我们创建一个正弦波作为基础数据：

import numpy as np
import matplotlib.pyplot as plt

n = 1024
x = np.linspace(-np.pi, np.pi, n, endpoint=True)
y = np.sin(2 * x)

plt.plot(x, y, color='blue', alpha=1.00)
plt.savefig("sine_wave.png", dpi=200)
plt.close()

画出来的正弦函数图为:

sin

matplotlib向下填充

使用fill_between进行颜色填充,这里 y2=0，表示从曲线填充到 y=0 这条基准线。

plt.plot(x, y, color='blue', alpha=1.00)
plt.fill_between(x, y, 0, color='blue', alpha=.1)
plt.savefig("sin_fill_below.png",dpi=200)
plt.close()

sin_fill_below 关键参数说明：

x：X轴数值
y：主曲线数值
0：填充至y=0处
alpha：控制透明度（0-1）

matplotlib向上填充

使用fill_between进行颜色填充,其中参数 y2=1，表示从曲线填充到 y=1 这条参考线。

plt.plot(x, y, color='blue', alpha=1.00)
plt.fill_between(x, y, 1, color='green', alpha=.1)
plt.savefig("sin_fill_above.png",dpi=200)
plt.close()

sin_fill_above

matplotlib两条线之间填充

一个道理,区别在于将fill_between改为该线条对应的值即可,这里以cos作为第二条线,并在sin与cos之间进行红色的填充,代码如下:

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
# 数据生成
n = 1024
x = np.linspace(-np.pi, np.pi, n, endpoint=True)
y = np.sin(2 * x)
y2 = np.cos(2*x)
# 绘图 春江暮客
plt.plot(x, y, color='blue', alpha=1.00)
plt.plot(x, y2, color='green', alpha=1.00)
plt.fill_between(x, y, y2, color='red', alpha=0.5)
plt.savefig("sin_cos_fill.png",dpi=200)

其图形为:

sin_fill_above

条件区域填充

在实际分析里，很多时候你并不想整段都填色，而是只高亮满足条件的区间，例如“大于 0 的部分”或者“超过阈值的部分”。这时可以配合 where 参数使用：

plt.plot(x, y, color='blue')
plt.fill_between(x, y, 0, where=(y > 0), color='red', alpha=0.3)
plt.fill_between(x, y, 0, where=(y <= 0), color='green', alpha=0.3)
plt.savefig("sin_where_fill.png", dpi=200)
plt.close()

这类写法非常适合高亮正负区间、阈值区间、异常波动区间。

实际应用场景

fill_between函数特别适用于：

突出显示置信区间
可视化数据范围
比较时间序列数据
创建堆叠面积图

常见问题

1. 填充颜色把主线遮住了

通常是透明度太高，或者先后顺序不合适。

修复：

降低 alpha
先 fill_between()，再 plot() 主线
必要时用更浅的颜色

2. 两条线之间填充结果不符合预期

最常见原因是两条曲线的 x 不一致，或者存在缺失值。

修复：

确认两条曲线共享同一组 x
先处理 NaN
再执行 fill_between(x, y1, y2)

3. 导出图片边缘被裁切

修复：

保留 bbox_inches='tight'
提高 dpi
保存前先 tight_layout()

总结

掌握Matplotlib的fill_between()函数能大幅提升Python数据可视化效果。无论是科学绘图、商业仪表盘还是探索性数据分析，这些技巧都能使您的图表更具信息量和视觉吸引力。