ChaiLang's Blog

python绘制热图

发表于 分类于 阅读次数： Valine：
本文字数： 2.2k 阅读时长 ≈ 2 分钟

前言

最近需要用到python来绘制热图（斑图， 色度图），查阅资料之后发现主要使用matplotlib库中的imshow函数来实现。

函数参数解析

matplotlib.pyplot.imshow(X, cmap=None, norm=None, aspect=None, interpolation=None, alpha=None, vmin=None, vmax=None, origin=None, extent=None, shape=, filternorm=1, filterrad=4.0, imlim=, resample=None, url=None, *, data=None, **kwargs)[source]

X: array-like or PIL image（数组或者是图片）
cmap: str or Colormap(颜色映射)
norm: Normalize(标准化到（0， 1）区间)
aspect: {‘equal’, ‘auto’} or float(控制轴的纵横比)
interpolation: str(插值方法)，可选为( ‘none’, ‘antialiased’, ‘nearest’, ‘bilinear’, ‘bicubic’, ‘spline16’, ‘spline36’, ‘hanning’, ‘hamming’, ‘hermite’, ‘kaiser’, ‘quadric’, ‘catrom’, ‘gaussian’, ‘bessel’, ‘mitchell’, ‘sinc’, ‘lanczos’.)
剩下的具体参数解释可参考文档解释

实例

默认使用nearest插值方法
example 1.

1
2
3
4
5
6
7
import matplotlib.pyplot as plt
import numpy as np

arr = np.arange(10000).reshape(100, 100)
plt.imshow(arr, interpolation='nearest', cmap='coolwarm')
plt.colorbar()
plt.show()


example 2.

1
2
3
4
X = [[1,2],[3,4],[5,6]]  
plt.imshow(X, interpolation='nearest', cmap='coolwarm') 
plt.colorbar()
plt.show()


example 3.

1
2
3
4
5
6
7
8
9
10
mean = [0,0]
cov = [[0,1],[1,0]]
x, y = np.random.multivariate_normal(mean, cov, 10000).T

hist, xedges, yedges = np.histogram2d(x,y)
X,Y = np.meshgrid(xedges,yedges)
plt.imshow(hist, interpolation='nearest',cmap='coolwarm')
plt.grid(True)
plt.colorbar()
plt.show()


使用bilinear插值法(当然可选插值方法还有很多)
example 1. 

1
2
3
4
arr = np.arange(10000).reshape(100, 100)
plt.imshow(arr, interpolation='bilinear', cmap='coolwarm')
plt.colorbar()
plt.show()


example 2.

1
2
3
4
X = [[1,2],[3,4],[5,6]]  
plt.imshow(X, interpolation='bilinear', cmap='coolwarm') 
plt.colorbar()
plt.show()


example 3.

1
2
3
4
5
6
7
8
9
10
mean = [0,0]
cov = [[0,1],[1,0]]
x, y = np.random.multivariate_normal(mean, cov, 10000).T

hist, xedges, yedges = np.histogram2d(x,y)
X,Y = np.meshgrid(xedges,yedges)
plt.imshow(hist, interpolation='bilinear',cmap='coolwarn')
plt.grid(True)
plt.colorbar()
plt.show()


可以对比使用或者不使用插值方法时生成图片之间的区别。以上是比较简单的示例，例如颜色的渐变，数值的标准化等都没有涉及到，需用用到时可详细参看文档解释

拓展

针对上面两个example 3. 我们也可以使用hist2d函数(当然还有其他的实现，例如pcolor,matshow函数等)

1
2
3
4
5
6
7
mean = [0,0]
cov = [[0,1],[1,0]]
x, y = np.random.multivariate_normal(mean, cov, 10000).T
plt.hist2d(x, y, bins=50, cmap='coolwarm')
plt.colorbar()
plt.grid()
plt.show()

总结

python中生成热图的主要方法为imshow()函数，我们看到同样还有很多其他的方法可以实现，他们可以满足不同的画图需求，本文中涉及的函数主要是matplotlib库中的，同样在seaborn中也有热图函数，比如heatmap，本文中介绍的热图函数已经能够满足大多数时候的需求。