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）
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
|
import randomfrom matplotlib import pyplot as pltfrom matplotlib import cmfrom matplotlib import axesfrom matplotlib.font_manager import fontpropertiesfont = 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服务器之家。
原文链接：https://blog.csdn.net/coder_Gray/article/details/81867639
