python使用matplotlib绘制热图

python常用的绘图库就是matplotlib，今天在给公司绘图时，偶然间发现matplotlib可以绘制热图，并且十分简洁，拿出来跟大家分享一下。（由于涉及到公司数据问题，这里采用随机数生成数据进行实验）

import random
from matplotlib import pyplot as plt
from matplotlib import cm
from matplotlib import axes
from matplotlib.font_manager import FontProperties
font = FontProperties(fname='/Library/Fonts/Songti.ttc')
 
def draw():
 #定义热图的横纵坐标
 xLabel = ['A','B','C','D','E']
 yLabel = ['1','2','3','4','5']
 
 #准备数据阶段，利用random生成二维数据（5*5）
 data = []
 for i in range(5):
  temp = []
  for j in range(5):
   k = random.randint(0,100)
   temp.append(k)
  data.append(temp)
 
 #作图阶段
 fig = plt.figure()
 #定义画布为1*1个划分，并在第1个位置上进行作图
 ax = fig.add_subplot(111)
 #定义横纵坐标的刻度
 ax.set_yticks(range(len(yLabel)))
 ax.set_yticklabels(yLabel, fontproperties=font)
 ax.set_xticks(range(len(xLabel)))
 ax.set_xticklabels(xLabel)
 #作图并选择热图的颜色填充风格，这里选择hot
 im = ax.imshow(data, cmap=plt.cm.hot_r)
 #增加右侧的颜色刻度条
 plt.colorbar(im)
 #增加标题
 plt.title("This is a title", fontproperties=font)
 #show
 plt.show()
 
d = draw()

效果图如下：

为了更清晰地看出二维数值矩阵与热图之间的对应关系，我们输出二维矩阵：

[[17, 96, 11, 99, 83], [18, 17, 58, 18, 80], [87, 79, 15, 53, 4], [86, 53, 48, 36, 23], [25, 4, 94, 100, 71]]

从对应关系我们可以看出，图像的左上角为坐标原点，第一行对应的二维矩阵中的第一行数据，以此类推。
同时我们可以看出数值越大的单元，对应热图中的颜色越深。其实这是一个可选项，只需要改变im = ax.imshow(data, cmap=plt.cm.hot_r)中的参数cmap为hot_r，其中_r的意思是就是按照颜色越深，数值越大，如果想数值越大，颜色越浅，只需要去掉_r，直接为hot就行。同时这个hot是热图配色的其中一个主题，主题色参数可选：

• hot 从黑平滑过度到红、橙色和黄色的背景色，然后到白色。
• cool 包含青绿色和品红色的阴影色。从青绿色平滑变化到品红色。
• gray 返回线性灰度色图。
• bone 具有较高的蓝色成分的灰度色图。该色图用于对灰度图添加电子的视图。
• white 全白的单色色图。
• spring 包含品红和黄的阴影颜色。
• summer 包含绿和黄的阴影颜色。
• autumn 从红色平滑变化到橙色，然后到黄色。
• winter 包含蓝和绿的阴影色。
  

右侧的颜色刻度条colorbar也是可选的，如果不写就不会显示

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持呐喊教程。

声明：本文内容来源于网络，版权归原作者所有，内容由互联网用户自发贡献自行上传，本网站不拥有所有权，未作人工编辑处理，也不承担相关法律责任。如果您发现有涉嫌版权的内容，欢迎发送邮件至：notice#nhooo.com（发邮件时，请将#更换为@）进行举报，并提供相关证据，一经查实，本站将立刻删除涉嫌侵权内容。