HOWTO · Matplotlib

如何使用 Matplotlib 繪製 2D 熱圖

我們可以使用 imshow()函式，seaborn 庫和 pcolormesh()函式繪製二維熱圖。

作者 Suraj Joshi發佈於 2020-06-09更新於 2023-01-30

本頁內容

要繪製 2D 熱圖，我們可以使用以下任何一種方法：

imshow() 函式，使用引數 interpolation='nearest' 和 cmap='hot'
Seaborn 庫
pcolormesh() 函式

`imshow()` 函式繪製 2D 熱圖

我們可以使用 imshow 函式的語法：

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)

示例程式碼：

import numpy as np
import matplotlib.pyplot as plt

data = np.random.random((8, 8))
plt.imshow(data, cmap="cool", interpolation="nearest")
plt.show()

具有 imshow 功能的 2D 直方圖

cmap 是顏色圖，我們也可以從這裡選擇另一個內建的 colormaps。

插值是一種插值方法，可以是 nearest、bilinear 和 hamming 等。

Seaborn 庫的 2D 熱圖

Seaborn 庫是建立在 Matplotlib 之上的。我們可以使用 seaborn.heatmap() 函式建立 2D 熱圖。

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 的 2D 直方圖

Seaborn 還在熱圖的側面繪製了一個漸變。

`pcolormesh()` 函式

繪製 2D 熱圖的另一種方法是使用 pcolormesh() 函式，該函式建立具有非規則矩形網格的偽彩色圖。它是 pcolor() 函式的更快替代方法。

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()