Merencanakan peta panas 2D dengan Matplotlib

Menggunakan Matplotlib, saya ingin memetakan peta panas 2D. Data saya adalah array N-by-n Numpy, masing-masing dengan nilai antara 0 dan 1. Jadi untuk elemen (i, j) dari array ini, saya ingin memplot persegi di koordinat (i, j) di peta panas, yang warnanya sebanding dengan nilai elemen dalam array.

Bagaimana saya bisa melakukan ini?

The imshow()fungsi dengan parameter interpolation='nearest'dan cmap='hot'harus melakukan apa yang Anda inginkan.

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 menangani banyak pekerjaan manual dan secara otomatis memplot gradien di sisi bagan dll.

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()

Atau, Anda bahkan dapat memetakan segitiga atas / bawah kiri / kanan matriks kuadrat, misalnya matriks korelasi yang berbentuk persegi dan simetris, sehingga memplot semua nilai akan menjadi mubazir.

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()

Untuk numpyarray 2d , cukup gunakan imshow()dapat membantu Anda:

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)

Kode ini menghasilkan peta panas berkelanjutan.

Anda dapat memilih built-in lain colormapdari sini .

Saya akan menggunakan matplotlib ini pcolor / pcolormesh fungsi karena memungkinkan jarak seragam dari data.

Contoh diambil dari 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()

Berikut cara melakukannya dari 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()

dimana dat.xyzada dalam bentuk

x1 y1 z1
x2 y2 z2
...