Matplotlib调用imshow()函数绘制热图 |
您所在的位置：网站首页 › jupyter imshow函数用不了 › Matplotlib调用imshow()函数绘制热图 |
Matplotlib调用imshow()函数绘制热图
|
Matplotlib进行绘图操作
调用函数绘图，重点知识： plot(x, y, marker=‘D’)表示绘制折线图，marker设置样式菱形。scatter(x, y, marker=‘s’, color=‘r’)绘制散点图，红色正方形。bar(x, y, 0.5, color=‘c’)绘制柱状图，间距为0.5，原色。hist(data,40,normed=1,histtype=‘bar’, facecolor=‘yellowgreen’,alpha=0.75)直方图。设置x轴和y轴的坐标值：xlim(-2.5, 2.5) #设置x轴范围 ylim(-1, 1) #设置y轴范围显示中文和负号代码如下： plt.rcParams[‘font.sas-serig’]=[‘SimHei’] #用来正常显示中文标签 plt.rcParams[‘axes.unicode_minus’]=False #用来正常显示负号完整代码为： # coding=utf-8 import numpy as np from pylab import * from matplotlib import pyplot as plt x = [1, 2, 3, 4] y = [3, 5, 10, 25] #创建Figure fig = plt.figure() #创建一个或多个子图(subplot绘图区才能绘图) ax1 = fig.add_subplot(231) plt.plot(x, y, marker='D') #绘图及选择子图 plt.sca(ax1) ax2 = fig.add_subplot(232) plt.scatter(x, y, marker='s', color='r') plt.sca(ax2) plt.grid(True) ax3 = fig.add_subplot(233) plt.bar(x, y, 0.5, color='c') #柱状图 width=0.5间距 plt.sca(ax3) ax4 = fig.add_subplot(234) #高斯分布 mean = 0 #均值为0 sigma = 1 #标准差为1 (反应数据集中还是分散的值) data = mean+sigma*np.random.randn(10000) plt.hist(data,40,normed=1,histtype='bar',facecolor='yellowgreen',alpha=0.75) plt.sca(ax4) m = np.arange(-5.0, 5.0, 0.02) n = np.sin(m) ax5 = fig.add_subplot(235) plt.plot(m, n) plt.sca(ax5) ax6 = fig.add_subplot(236) xlim(-2.5, 2.5) #设置x轴范围 ylim(-1, 1) #设置y轴范围 plt.plot(m, n) plt.sca(ax6) plt.grid(True) plt.show()输出结果如下图所示： 热图（heatmap）是数据分析的常用方法，通过色差、亮度来展示数据的差异、易于理解。Python在Matplotlib库中，调用imshow()函数实现热图绘制。 imshow(X, cmap=None, norm=None, aspect=None, interpolation=None, alpha=None, \ vmin=None, vmax=None, origin=None, extent=None, shape=None, filternorm=1,\ filterrad=4.0, imlim=None, resample=None, url=None, hold=None, data=None, **kwargs)其中，X变量存储图像，可以是浮点型数组、unit8数组以及PIL图像，如果其为数组，则需满足一下形状： M*N 此时数组必须为浮点型，其中值为该坐标的灰度；MN3 RGB（浮点型或者unit8类型）MN4 RGBA（浮点型或者unit8类型)下面这段代码是一个简单的实例： # coding=utf-8 from matplotlib import pyplot as plt X = [[1,2],[3,4],[5,6]] plt.imshow(X) plt.show()输出如下图所示：
Colorbar：增加颜色类标的代码是plt.colorbar()，代码如下： #coding=utf-8 from matplotlib import pyplot as plt X = [[1,2],[3,4],[5,6]] plt.imshow(X) plt.colorbar() plt.show()运行结果如下图所示，其中左上角颜色为蓝色，对应值为1；右下角颜色为深红色，对应值为6。它是按照矩阵X进行颜色分布的。 [1, 2] [深蓝, 浅蓝] [3, 4] [淡绿, 黄色] [5, 6] [橙红, 深红] plt.colorbar(cax=None,ax=None,shrink=0.5)可设置Bar为一半长度。 下面这段代码是显示原图、灰度（gray）、和春夏秋冬的示例。 #coding=utf-8 from matplotlib import pyplot as plt X = [[1,2],[3,4]] fig = plt.figure() ax = fig.add_subplot(231) ax.imshow(X) ax = fig.add_subplot(232) ax.imshow(X, cmap=plt.cm.gray) #灰度 ax = fig.add_subplot(233) im = ax.imshow(X, cmap=plt.cm.spring) #春 plt.colorbar(im) ax = fig.add_subplot(234) im = ax.imshow(X, cmap=plt.cm.summer) plt.colorbar(im, cax=None, ax=None, shrink=0.5) #长度为半 ax = fig.add_subplot(235) im = ax.imshow(X, cmap=plt.cm.autumn) plt.colorbar(im, shrink=0.5, ticks=[-1,0,1]) ax = fig.add_subplot(236) im = ax.imshow(X, cmap=plt.cm.winter) plt.colorbar(im, shrink=0.5) plt.show()运行结果如下图所示：
运行结果如下图所示： 百度经验提供一段代码，也不错，推荐大家学习。 注意：相当于在AJ和aj的图像矩阵中，产生10*10的随机数，对矩阵进行颜色填充；只是在填充过程中，选择随机数的最大值和最小值进行标准化处理。 # coding=utf-8 import numpy as np from matplotlib import pyplot as plt from matplotlib import cm from matplotlib import axes def draw_heatmap(data,xlabels,ylabels): #cmap=cm.Blues cmap=cm.get_cmap('rainbow',1000) figure=plt.figure(facecolor='w') ax=figure.add_subplot(1,1,1,position=[0.1,0.15,0.8,0.8]) ax.set_yticks(range(len(ylabels))) ax.set_yticklabels(ylabels) ax.set_xticks(range(len(xlabels))) ax.set_xticklabels(xlabels) vmax=data[0][0] vmin=data[0][0] for i in data: for j in i: if j>vmax: vmax=j if j |
Colormap：参数cmap用于设置热图的Colormap。 Colormap是MATLAB里面用来设定和获取当前色图的函数，可以设置如下色图：
通常图片都是由RGB组成，一块一块的，详见我的数字图像处理系列博客，这里想把某块显示成一种颜色，则需要调用interpolation='nearest’参数即可，代码如下：
推荐文章：matplotlib imshow - default colour normalisation 默认情况下，imshow将数据标准化为最小和最大值。 您可以使用vmin和vmax参数或norm参数来控制（如果您想要非线性缩放）。【本文地址】
今日新闻 |
推荐新闻 |