Wie man eine 2D-Heatmap mit Matplotlib plotten kann
-
imshow()Funktion zum Plotten einer 2D-Heatmap -
2D-Heatmap mit
Seaborn-Bibliothek -
Funktion
pcolormesh()
Um eine 2D-Heatmap zu zeichnen, können wir eine der folgenden Methoden verwenden:
imshow()Funktion mit den Parameterninterpolation='nearest'undcmap='hot'Seaborn- Bibliothek- Funktion
pcolormesh()
imshow() Funktion zum Plotten einer 2D-Heatmap
Syntax, denn wir können die imshow-Funktion verwenden:
matplotlib.pyplot.imshow(X,
cmap=None,
norm=None,
aspect=None,
interpolation=None,
alpha=None,
vmin=None,
vmax=None,
origin=None,
extent=None,
shape= < deprecated parameter > ,
filternorm=1,
filterrad=4.0,
imlim= < deprecated parameter > ,
resample=None,
url=None,
*,
data=None,
**kwargs)
Beispiel-Codes:
import numpy as np
import matplotlib.pyplot as plt
data = np.random.random((8, 8))
plt.imshow(data, cmap="cool", interpolation="nearest")
plt.show()
cmap ist eine Farbkarte und wir können auch eine andere eingebaute colormaps von hier wählen.
interpolation ist die Interpolationsmethode, die nearest, bilinear, hamming, etc. sein kann.
2D-Heatmap mit Seaborn-Bibliothek
Die Seaborn-Bibliothek ist auf der Matplotlib aufgebaut. Wir könnten die seaborn.heatmap() Funktion verwenden, um eine 2D-Heatmap zu erstellen.
import numpy as np
import seaborn as sns
import matplotlib.pylab as plt
data = np.random.rand(8, 8)
ax = sns.heatmap(data, linewidth=0.3)
plt.show()
Seaborn zeichnet auch ein Gefälle an der Seite der heatmap auf.
Funktion pcolormesh()
Eine andere Möglichkeit, eine 2D-Heatmap zu plotten, ist die Verwendung der Funktion pcolormesh() , die ein Pseudo-Farbplot mit einem unregelmäßigen rechteckigen Gitter erzeugt. Dies ist eine schnellere Alternative zur Funktion pcolor().
import numpy as np
import matplotlib.pyplot as plt
b, a = np.meshgrid(np.linspace(0, 5, 130), np.linspace(0, 5, 130))
c = (a ** 2 + b ** 2) * np.exp(-(a ** 2) - b ** 2)
c = c[:-1, :-1]
l_a = a.min()
r_a = a.max()
l_b = b.min()
r_b = b.max()
l_c, r_c = -np.abs(c).max(), np.abs(c).max()
figure, axes = plt.subplots()
c = axes.pcolormesh(a, b, c, cmap="copper", vmin=l_c, vmax=r_c)
axes.set_title("Heatmap")
axes.axis([l_a, r_a, l_b, r_b])
figure.colorbar(c)
plt.show()
Ausgabe:
Suraj Joshi is a backend software engineer at Matrice.ai.
LinkedIn