Zeichnen einer 2D-Heatmap mit Matplotlib

Mit Matplotlib möchte ich eine 2D-Heatmap zeichnen. Meine Daten sind ein n-mal-n-Numpy-Array mit einem Wert zwischen 0 und 1. Für das (i, j) -Element dieses Arrays möchte ich ein Quadrat an der (i, j) -Koordinate in my zeichnen Heatmap, deren Farbe proportional zum Wert des Elements im Array ist.

Wie kann ich das machen?

Die imshow()Funktion mit Parametern interpolation='nearest'und cmap='hot'sollte machen was Sie wollen.

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 erledigt einen Großteil der manuellen Arbeit und zeichnet automatisch einen Farbverlauf an der Seite des Diagramms usw.

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()

Oder Sie können sogar obere / untere linke / rechte Dreiecke von quadratischen Matrizen zeichnen, z. B. eine Korrelationsmatrix, die quadratisch und symmetrisch ist, sodass das Zeichnen aller Werte ohnehin redundant wäre.

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()

Für ein 2D- numpyArray kann die einfache Verwendung imshow()hilfreich sein:

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)

Dieser Code erstellt eine kontinuierliche Heatmap.

Sie können eine andere in integrierten wählen colormapvon hier .

Ich würde die pcolor / pcolormesh- Funktion von matplotlib verwenden, da sie einen ungleichmäßigen Abstand der Daten ermöglicht.

Beispiel aus 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()

So geht's mit einer 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()

wo dat.xyzist in der Form

x1 y1 z1
x2 y2 z2
...