Wykreślanie mapy cieplnej 2D za pomocą Matplotlib

Korzystając z Matplotlib, chcę wykreślić mapę cieplną 2D. Moje dane to tablica Numpy n-by-n, każda o wartości od 0 do 1. Tak więc dla elementu (i, j) tej tablicy chcę wykreślić kwadrat o współrzędnej (i, j) w moim mapa cieplna, której kolor jest proporcjonalny do wartości elementu w tablicy.

Jak mogę to zrobić?

imshow()Funkcja z parametrami interpolation='nearest'i cmap='hot'powinien robić to, co chcesz.

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 wykonuje wiele ręcznych prac i automatycznie kreśli gradient z boku wykresu itp.

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()

Lub możesz nawet wykreślić górny / dolny lewy / prawy trójkąt macierzy kwadratowych, na przykład macierz korelacji, która jest kwadratowa i symetryczna, więc wykreślanie wszystkich wartości i tak byłoby zbędne.

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()

W przypadku numpytablicy 2d po prostu użyj imshow()może pomóc:

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)

Ten kod tworzy ciągłą mapę cieplną.

Można wybrać inny wbudowaną colormapod tutaj .

Chciałbym użyć matplotlib za pcolor / pcolormesh funkcję, ponieważ pozwala nierównomiernych odstępach danych.

Przykład zaczerpnięty z 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()

Oto jak to zrobić z pliku CSV:

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)

# Z is a matrix of x-y values
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()

gdzie dat.xyzjest w formularzu

x1 y1 z1
x2 y2 z2
...