欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页

『Python』matplotlib的imshow用法

程序员文章站 2024-03-26 12:41:35
...

热力图是一种数据的图形化表示,具体而言,就是将二维数组中的元素用颜色表示。热力图之所以非常有用,是因为它能够从整体视角上展示数据,更确切的说是数值型数据。

使用imshow()函数可以非常容易地制作热力图。

1. 函数imshow()

imshow(X, cmap=None, norm=None, aspect=None,
       interpolation=None, alpha=None, vmin=None, vmax=None,
       origin=None, extent=None, shape=None, filternorm=1,
       filterrad=4.0, imlim=None, resample=None, url=None, **kwargs)

主要用到的参数含义如下:

  • X
    可以使类似数组的对象,或者是PIL类型图像,其中,数组对象可选shape为:

    • (M, N)
      单纯的二维数组,元素是标量数据,会通过colormap展示
    • (M, N, 3)
      RGB三通道图像,元素值可以是\(0-1\)之间的float或者\(0-255\)之间的int
    • (M, N, 4)
      RGBA图像,多出来的一维属性,比如是透明度,其元素值和3通道的一样,可以是\(0-1\)之间的float或者\(0-255\)之间的int

    M代表rowsN代表colums

    超过元素限定范围的元素值将被clipped

  • cmap
    strmatplotlib.colors.Colormap类型,用于将标量数据映射到颜色的Colormap实例或已注册的Colormap名称。

    只对二维数组有效,RGB(A)将自动忽略

  • norm
    在使用cmap之前,用来将二维数组数据归一化到\([0, 1]\),默认是线性的,最小值对应\(0\),最大值对应\(1\)。

    这要注意,不然每次画图最大最小值不一样,色彩不好比较。

  • interpolation
    插值方法,默认'nearest',可以支持的方法有:

    • 'none'
    • 'nearest'
    • 'bilinear'
    • 'bicubic'
    • 'spline16'
    • 'spline36'
    • 'hanning'
    • 'hamming'
    • 'hermite'
    • 'kaiser'
    • 'quadric'
    • 'catrom'
    • 'gaussian'
    • 'bessel'
    • 'mitchell'
    • 'sinc'
    • 'lanczos'
  • alpha
    透明度,\(0\)表示透明,\(1\)表示不透明

  • vmin, vmax
    当输入的时二维数组标量数据并且没有明确的norm时,vminvmax定义colormap覆盖的数据范围,默认情况下,colormap覆盖所提供的值的完整范围数据

    norm给定时,这两个参数无效

  • origin
    坐标轴的样式,可选值为upperlower,其对应坐标系样式如下图

    『Python』matplotlib的imshow用法

    M代表rowsN代表colums

2. 定制colorbars

2.1 基本连续colorbar绘制

import matplotlib.pyplot as plt
import matplotlib as mpl

fig, ax = plt.subplots(figsize=(6, 1))
fig.subplots_adjust(bottom=0.5)

cmap = mpl.cm.cool
norm = mpl.colors.Normalize(vmin=5, vmax=10)

fig.colorbar(mpl.cm.ScalarMappable(norm=norm, cmap=cmap),
             cax=ax, orientation='horizontal', label='Some Units')

『Python』matplotlib的imshow用法

当然,也可以竖起来画

import matplotlib.pyplot as plt
import matplotlib as mpl

fig, ax = plt.subplots(figsize=(1, 6))
fig.subplots_adjust(right=0.5)

cmap = mpl.cm.cool
norm = mpl.colors.Normalize(vmin=5, vmax=10)

fig.colorbar(mpl.cm.ScalarMappable(norm=norm, cmap=cmap),
             cax=ax, orientation='vertical', label='Some Units')

『Python』matplotlib的imshow用法

2.2 离散间隔colorbar

import matplotlib.pyplot as plt
import matplotlib as mpl

fig, ax = plt.subplots(figsize=(6, 1))
fig.subplots_adjust(bottom=0.5)

cmap = mpl.colors.ListedColormap(['red', 'green', 'black', 'blue', 'cyan'])
cmap.set_over('0.25')
cmap.set_under('0.75')

bounds = [1, 2, 4, 5, 7, 8]
norm = mpl.colors.BoundaryNorm(bounds, cmap.N)
fig.colorbar(
    mpl.cm.ScalarMappable(cmap=cmap, norm=norm),
    cax=ax,
    boundaries=[0] + bounds + [13],
    extend='both',
    ticks=bounds,
    spacing='proportional',
    orientation='horizontal',
    label='Discrete intervals, some other units',
)

『Python』matplotlib的imshow用法

2.3 带有自定义扩展名长度的colorbar

import matplotlib.pyplot as plt
import matplotlib as mpl

fig, ax = plt.subplots(figsize=(6, 1))
fig.subplots_adjust(bottom=0.5)

cmap = mpl.colors.ListedColormap(['royalblue', 'cyan',
                                  'yellow', 'orange'])
cmap.set_over('red')
cmap.set_under('blue')

bounds = [-1.0, -0.5, 0.0, 0.5, 1.0]
norm = mpl.colors.BoundaryNorm(bounds, cmap.N)
fig.colorbar(
    mpl.cm.ScalarMappable(cmap=cmap, norm=norm),
    cax=ax,
    boundaries=[-10] + bounds + [10],
    extend='both',
    extendfrac='auto',
    ticks=bounds,
    spacing='uniform',
    orientation='horizontal',
    label='Custom extension lengths, some other units',
)

plt.show()

『Python』matplotlib的imshow用法

3. 控制所有图的colorbar和图中元素对应颜色一致

import matplotlib as mpl
from matplotlib import pyplot as plt

fig, ax = plt.subplots(1, 1)
im = ax.imshow(data, interpolation="bicubic",  vmin=vmin, vmax=vmax, cmap="jet")

fig.colorbar(im, ax=ax)

plt.show()

关键是要设置vminvmax