绘制二维热图-IT科技

绘制二维热图

2025-02-14 09:50:00

admin

原创

摘要：问题描述：我想使用 Matplotlib 绘制二维热图。我的数据是一个 n×n Numpy 数组，每个数组的值都在 0 到 1 之间。因此，对于此数组的 (i, j) 元素，我想在热图中的 (i, j) 坐标处绘制一个正方形，其颜色与数组中元素的值成比例。我怎样才能做到这一点？解决方案 1：该imshow()...

问题描述：

我想使用 Matplotlib 绘制二维热图。我的数据是一个 n×n Numpy 数组，每个数组的值都在 0 到 1 之间。因此，对于此数组的 (i, j) 元素，我想在热图中的 (i, j) 坐标处绘制一个正方形，其颜色与数组中元素的值成比例。

我怎样才能做到这一点？

解决方案 1：

该imshow()函数带有参数interpolation='nearest'，cmap='hot'应该执行您想要的操作。

请查看interpolation参数详细信息，并参阅imshow和图像抗锯齿的插值。

import matplotlib.pyplot as plt
import numpy as np

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

示例代码生成的示例颜色图

解决方案 2：

Seaborn是 matplotlib 的高级 API，它负责大量的手动工作。

seaborn.heatmap自动在图表侧面绘制渐变等。

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()

在此处输入图片描述

您甚至可以绘制方阵的上/下左/右三角形。例如，相关矩阵是正方形且对称的，因此绘制所有值将是多余的。

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()

在此处输入图片描述

解决方案 3：

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

取自matplotlib的示例：

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()

pcolormesh 图输出

解决方案 4：

对于二维numpy数组，简单使用imshow()可能会有所帮助：

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)

示例代码的热图

此代码生成连续的热图。

colormap您可以从这里选择另一个内置功能。

解决方案 5：

以下是如何从 csv 进行操作：

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形式为