使用Matplotlib,我想绘制一个二维热力图。我的数据是一个 n×n 的Numpy数组,每个元素的值介于0和1之间。因此,对于该数组的(i, j)元素,我希望在我的热力图中绘制一个正方形,在该坐标处的颜色与数组中该元素的值成比例。
我该如何做到这一点?
我该如何做到这一点?
interpolation='nearest'
和cmap='hot'
的imshow()
函数应该可以实现您想要的效果。interpolation
参数的详细信息,并参考imshow的插值方法和图像抗锯齿。import matplotlib.pyplot as plt
import numpy as np
a = np.random.random((16, 16))
plt.imshow(a, cmap='hot', interpolation='nearest')
plt.show()
Seaborn 是一个针对 matplotlib 的高级 API,它可以自动处理许多手动工作。
seaborn.heatmap
可以自动在图表侧面绘制渐变色等。
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()
您甚至可以绘制正方形矩阵的上/下左/右三角形。例如,相关矩阵是正方形和对称的,因此绘制所有值将是冗余的。
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()
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()
如果你有一个2d的numpy
数组,可以简单地使用imshow()
函数帮助你:
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)
这段代码生成一个连续的热力图。
您可以从此处选择另一个内置的colormap
。
这是如何从CSV文件中进行操作的:
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()
其中dat.xyz
的形式为
x1 y1 z1
x2 y2 z2
...
matshow()
函数,它是对imshow()
的封装,可以设置一些有用的默认参数来显示矩阵。a = np.diag(range(15))
plt.matshow(a)
https://matplotlib.org/stable/api/_as-gen/matplotlib.axes.Axes.matshow.html
这只是一个方便函数,用于包装imshow以设置用于显示矩阵的有用默认值。 特别是:
- 设置
origin ='upper'
。- 设置
interpolation ='nearest'
。- 设置
aspect ='equal'
。- 刻度线位于左侧和上方。
- 格式化刻度线以显示整数索引。
spy()
函数。 - undefined