Le dessin 2D heatmap avec Matplotlib

À l'aide de Matplotlib, je veux tracer une 2D carte de chaleur. Mes données est un n-par-n tableau Numpy, chacune avec une valeur comprise entre 0 et 1. Donc, pour le (i, j) un élément de ce tableau, je veux tracer un carré à l' (i, j) les coordonnées de ma carte de chaleur, dont la couleur est proportionnelle à la valeur de l'élément dans le tableau.

Comment puis-je faire cela?

InformationsquelleAutor Karnivaurus | 2015-10-22
  1. 138

    La imshow() fonction avec des paramètres interpolation='nearest' et cmap='hot' devrait faire ce que vous voulez.

    import matplotlib.pyplot as plt
import numpy as np

a = np.random.random((16, 16))
plt.imshow(a, cmap='hot', interpolation='nearest')
plt.show()

    Le dessin 2D heatmap avec Matplotlib

    • Je ne pense pas que la spécification d'interpolation est nécessaire.
    • comme par pyplot doc: "Si l'interpolation est Aucun (valeur par défaut), par défaut la rc de l'image.interpolation". Je pense donc qu'il est nécessaire de l'inclure.
    InformationsquelleAutor P. Camilleri
  2. 30

    Répondre ici assez tard, mais de toute façon... Seaborn prend soin de beaucoup de travail manuel et automatiquement en traçant un dégradé sur le côté de la carte etc.

    par exemple

    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()

    Le dessin 2D heatmap avec Matplotlib
    Ou, vous pouvez même parcelle haut /bas gauche /droite triangles de matrices carrées, par exemple une matrice de corrélation qui est carré et symétrique, de sorte que le traçage de toutes les valeurs seraient redondants de toute façon.

    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()

    Le dessin 2D heatmap avec Matplotlib

    Espère que ça aide!

    • Je suis très friand de ce type de courbe, et la moitié de la matrice est utile. Deux questions: 1) dans la première parcelle les petits carrés sont séparés par des lignes blanches, pourraient-ils en commun? 2) le blanc de la largeur de ligne semblent varier, est-ce un artefact?
    • Vous pouvez utiliser le ‘linewidth’ argument que j'ai utilisé dans la première parcelle pour toute autre parcelle (dans la deuxième parcelle, par exemple), pour obtenir espacées carrés. Les largeurs de ligne seulement semblent varier dans la première parcelle en raison de capture d'écran de questions, ils n'ont pas fait varier en réalité, ils devraient rester à la constante que vous les définissez.
    InformationsquelleAutor PyRsquared
  3. 12

    Voici comment faire à partir d'un 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()

    où dat.xyz est dans la forme

    x1 y1 z1
x2 y2 z2
...
    • - Vous sûr de ne pas avoir beaucoup de lignes de commentaires dans le script 😉
    • J'ai ajouté des commentaires pour vous.
    • Un million de mercis!
    • Juste une courte distance en heads up: j'ai dû changer de méthode à partir de cubes, soit plus proche ou linéaire, car les cubes entraîné beaucoup de NaNs depuis que je suis en train de travailler avec plutôt petite des valeurs entre 0..1
    InformationsquelleAutor kilojoules
  4. 8

    Je voudrais utiliser matplotlib est pcolor/pcolormesh fonction puisqu'elle permet non uniforme de l'espacement des données.

    Exemple tiré de 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()

    Le dessin 2D heatmap avec Matplotlib

    InformationsquelleAutor Erasmus Cedernaes
  5. 4

    Pour un 2d numpy tableau, il suffit d'utiliser imshow() peut vous aider à:

    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)

    Le dessin 2D heatmap avec Matplotlib

    Ce code génère en continu d'une heatmap.

    Vous pouvez choisir un autre intégré colormap de ici.

    InformationsquelleAutor Huang Yuheng