使用 Matplotlib 绘制 2D 热图

Posted 2023-02-23

【中文标题】使用 Matplotlib 绘制 2D 热图

【英文标题】：Plotting a 2D heatmap with Matplotlib

【发布时间】：2016-01-21 19:28:05

【问题描述】：

使用 Matplotlib，我想绘制 2D 热图。我的数据是一个 n×n Numpy 数组，每个数组的值都在 0 和 1 之间。所以对于这个数组的 (i, j) 元素，我想在我的 (i, j) 坐标处绘制一个正方形热图，其颜色与数组中元素的值成正比。

我该怎么做？

【问题讨论】：

发帖前你有没有看过matplotlib gallery？有一些使用 imshow、pcolor 和 pcolormesh 的好例子可以满足您的需求

multi colored Heat Map error Python的可能重复

【参考方案1】：

带有参数interpolation='nearest' 和cmap='hot' 的imshow() 函数应该可以满足您的需求。

import matplotlib.pyplot as plt
import numpy as np

a = np.random.random((16, 16))
plt.imshow(a, cmap='hot', interpolation='nearest')
plt.show()

【讨论】：

我认为没有必要指定插值。

@miguel.martin 根据 pyplot 的文档：“如果插值是无（其默认值），则默认为 rc image.interpolation”。所以我认为有必要将其包括在内。

@P.Camilleri 如何缩放 X 和 Y 轴？ （只改变数字，没有缩放）。

链接断开，new link

【参考方案2】：

Seaborn 处理了大量的手动工作，并自动在图表的一侧绘制渐变等。

import numpy as np
import seaborn as sns
import matplotlib.pylab as plt

uniform_data = np.random.rand(10, 12)
ax = sns.heatmap(uniform_data, linewidth=0.5)
plt.show()

或者，您甚至可以绘制正方形矩阵的上/左下/右三角形，例如一个正方形且对称的相关矩阵，因此绘制所有值无论如何都是多余的。

corr = np.corrcoef(np.random.randn(10, 200))
mask = np.zeros_like(corr)
mask[np.triu_indices_from(mask)] = True
with sns.axes_style("white"):
    ax = sns.heatmap(corr, mask=mask, vmax=.3, square=True,  cmap="YlGnBu")
    plt.show()

【讨论】：

我很喜欢情节类型，半矩阵很好用。两个问题：1）在第一个情节中，小方块被白线隔开，它们可以连接吗？ 2）白线宽度似乎有所不同，这是人工制品吗？

您可以将我在第一个图中使用的“线宽”参数用于任何其他图（例如在第二个图中），以获得间隔的正方形。由于屏幕截图问题，线宽仅在第一个图中出现变化，实际上它们并没有变化，它们应该保持在您设置的常数。

虽然这是真的 - 我不认为使用 seaborn 的响应应该被认为是完整的一个问题，具体说明 matplotlib。

【参考方案3】：

我会使用 matplotlib 的 pcolor/pcolormesh 函数，因为它允许数据的非均匀间距。

示例取自matplotlib:

import matplotlib.pyplot as plt
import numpy as np

# generate 2 2d grids for the x & y bounds
y, x = np.meshgrid(np.linspace(-3, 3, 100), np.linspace(-3, 3, 100))

z = (1 - x / 2. + x ** 5 + y ** 3) * np.exp(-x ** 2 - y ** 2)
# x and y are bounds, so z should be the value *inside* those bounds.
# Therefore, remove the last value from the z array.
z = z[:-1, :-1]
z_min, z_max = -np.abs(z).max(), np.abs(z).max()

fig, ax = plt.subplots()

c = ax.pcolormesh(x, y, z, cmap='RdBu', vmin=z_min, vmax=z_max)
ax.set_title('pcolormesh')
# set the limits of the plot to the limits of the data
ax.axis([x.min(), x.max(), y.min(), y.max()])
fig.colorbar(c, ax=ax)

plt.show()

【参考方案4】：

对于二维 numpy 数组，只需使用 imshow() 可能会对您有所帮助：

import matplotlib.pyplot as plt
import numpy as np


def heatmap2d(arr: np.ndarray):
    plt.imshow(arr, cmap='viridis')
    plt.colorbar()
    plt.show()


test_array = np.arange(100 * 100).reshape(100, 100)
heatmap2d(test_array)

此代码生成一个连续的热图。

您可以从here 中选择另一个内置的colormap。

【参考方案5】：

这是从 csv 执行此操作的方法：

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

# Load data from CSV
dat = np.genfromtxt('dat.xyz', delimiter=' ',skip_header=0)
X_dat = dat[:,0]
Y_dat = dat[:,1]
Z_dat = dat[:,2]

# Convert from pandas dataframes to numpy arrays
X, Y, Z, = np.array([]), np.array([]), np.array([])
for i in range(len(X_dat)):
        X = np.append(X, X_dat[i])
        Y = np.append(Y, Y_dat[i])
        Z = np.append(Z, Z_dat[i])

# create x-y points to be used in heatmap
xi = np.linspace(X.min(), X.max(), 1000)
yi = np.linspace(Y.min(), Y.max(), 1000)

# Interpolate for plotting
zi = griddata((X, Y), Z, (xi[None,:], yi[:,None]), method='cubic')

# I control the range of my colorbar by removing data 
# outside of my range of interest
zmin = 3
zmax = 12
zi[(zi<zmin) | (zi>zmax)] = None

# Create the contour plot
CS = plt.contourf(xi, yi, zi, 15, cmap=plt.cm.rainbow,
                  vmax=zmax, vmin=zmin)
plt.colorbar()  
plt.show()

dat.xyz 在表单中的位置

x1 y1 z1
x2 y2 z2
...

【讨论】：

请注意：我不得不将方法从三次更改为最接近或线性，因为三次导致很多 NaN，因为我使用的是 0..1 之间的相当小的值