
Matplotlib是Python中广泛使用的绘图库之一。它具有丰富的图形功能,可以用于绘制各种类型的图表,包括线条图、散点图、饼图、柱状图和热度图(heatmap)等。
热度图是一种用颜色来表示数据值大小的二维图表。通常,热度图用于可视化矩阵或表格式数据,并以不同的颜色来区分不同数值的数据。在本文中,我们将介绍如何使用matplotlib制作热度图。
首先,我们需要准备一个数据集来绘制热度图。这里我们将使用numpy包生成一个随机的 $ 10 times 10 $ 的矩阵来模拟一个数据集:
import numpy as np
data = np.random.rand(10, 10)
生成的 data
矩阵如下所示:
array([[0.82028575, 0.76881294, 0.71971194, 0.30491486, 0.67111979,
0.17771597, 0.80438331, 0.27302774, 0.18129643, 0.63314806],
[0.77143625, 0.63551487, 0.56306356, 0.41241424, 0.47234638,
0.30451328, 0.65190823, 0.47868446, 0.03420709, 0.39056214],
[0.88830154, 0.0510874 , 0.04667507, 0.63655448, 0.1009649 ,
0.53011341, 0.88860116, 0.8072012 , 0.2627727 , 0.16129027],
[0.03957677, 0.88986948, 0.29828759, 0.34845264, 0.07125663,
0.85638637, 0.08063718, 0.65769739, 0.41561651, 0.82219976],
[0.01306113, 0.02081601, 0.00762399, 0.52039123, 0.36600046,
0.24940888, 0.21817512, 0.94152895, 0.14410661, 0.5584188 ],
[0.18524447, 0.86325457, 0.70310962, 0.17384236, 0.56810572,
0.05814711, 0.14610126, 0.76581545, 0.36524594, 0.0123577 ],
[0.69838845, 0.54777405, 0.51271685, 0.74905936, 0.04087629,
0.60057023, 0.27027469, 0.7392686 , 0.04315166, 0.09859514],
[0.79271592, 0.69936978, 0.17137361, 0.63954807, 0.19399017,
0.38978258, 0.3345555 , 0.33223096, 0.03575185, 0.527903 ],
[0.20489367, 0.00811152, 0.35635863, 0.67832791, 0.0613843 ,
0.70448221, 0.85365584, 0.88137019, 0.14431136, 0.59657908],
[0.28042776, 0.765406 , 0.53737002, 0.89526902, 0.61241154,
0.2861603 , 0.69044175, 0.11878924, 0.75902697, 0.28845139]])
接下来
,我们可以使用matplotlib.pyplot.imshow()
函数来绘制热度图。此函数接受一个二维数组作为输入,并将其以颜色编码的形式显示出来。
import matplotlib.pyplot as plt
plt.imshow(data)
plt.show()
执行上述代码后,会生成一个如下所示的热度图:
在热度图中,每个单元格的颜色表示该单元格对应的值大小。默认情况下,imshow()
会根据数据范围自动选择颜色映射(colormap)。
我们可以通过设置cmap
参数指定不同的颜色映射。常用的颜色映射包括'viridis'、'plasma'和'magma'等。例如,如果使用'magma'颜色映射,则可以通过以下方式进行设置:
plt.imshow(data, cmap='magma')
plt.show()
运行上述代码会生成以下热度图:
通常,在绘制热度图时,我们可能需要添加行列标签以更好地解释数据。这可以通过设置xticks
和yticks
参数来完成。我们可以在imshow()
函数之前添加以下两行代码来设置行列标签:
plt.xticks(range(10), ['a', 'b', 'c', 'd', 'e', 'f', 'g', 'h', 'i', 'j'])
plt.yticks(range(10), ['A', 'B', 'C', 'D', 'E', 'F', 'G', 'H', 'I', 'J'])
上述代码将行列标签分别设置为字母'a'到'j'和大写字母'A'到'J'。然后再次运行imshow()
函数,就可以得到带有行列标签的热度图:
最后,我们可以通过添加一个颜色刻度表来说明热度图中每种颜色代表的数据值范围。这可以通过使用colorbar()
函数来完成。
plt.colorbar()
plt.show()
上述代码使热度图显示一个颜色刻度表,其中最小值为0.0,最大值为1.0。
本文介绍了如何使用matplotlib制作热度图。我们首先准备了一个随机的 $ 10 times 10 $ 的数据集,然后使用imshow()
函数绘制了热度图,设置了行列标签和颜色映射,并添加了一个颜色刻度表以说明颜色代表的数据值范围。
热度图是一种可视化工具,可用于探索数据集中的模式和趋势,或者比较不同数据集之间的差异。使用matplotlib绘制热度图非常简单且灵活,可以根据需求自由调整样式和布局,进而提高数据可视化的效果。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
ALTER TABLE ADD 多个 INDEX:数据库批量索引优化的高效实践 在数据库运维与性能优化中,索引是提升查询效率的核心手段。当业务 ...
2025-08-27Power BI 去重函数:数据清洗与精准分析的核心工具 在企业数据分析流程中,数据质量直接决定分析结果的可靠性。Power BI 作为主 ...
2025-08-27CDA 数据分析师:数据探索与统计分析的实践与价值 在数字化浪潮席卷各行业的当下,数据已成为企业核心资产,而 CDA(Certif ...
2025-08-27t 检验与 Wilcoxon 检验:数据差异比较的两大统计利器 在数据分析中,“比较差异” 是核心需求之一 —— 如新药疗效是否优于旧药 ...
2025-08-26季节性分解外推法:解锁时间序列预测的规律密码 在商业决策、资源调度、政策制定等领域,准确的预测是规避风险、提升效率的关键 ...
2025-08-26CDA 数据分析师:数据治理驱动下的企业数据价值守护者 在数字经济时代,数据已成为企业核心战略资产,其价值的释放离不开高 ...
2025-08-26基于 SPSS 的 ROC 曲线平滑调整方法与实践指南 摘要 受试者工作特征曲线(ROC 曲线)是评估诊断模型或预测指标效能的核心工具, ...
2025-08-25神经网络隐藏层神经元个数的确定方法与实践 摘要 在神经网络模型设计中,隐藏层神经元个数的确定是影响模型性能、训练效率与泛 ...
2025-08-25CDA 数据分析师与数据思维:驱动企业管理升级的核心力量 在数字化浪潮席卷全球的当下,数据已成为企业继人力、物力、财力之后的 ...
2025-08-25CDA数据分析师与数据指标:基础概念与协同逻辑 一、CDA 数据分析师:数据驱动时代的核心角色 1.1 定义与行业价值 CDA(Certified ...
2025-08-22Power Query 移动加权平均计算 Power Query 移动加权平均设置全解析:从原理到实战 一、移动加权平均法的核心逻辑 移动加权平均 ...
2025-08-22描述性统计:CDA数据分析师的基础核心与实践应用 一、描述性统计的定位:CDA 认证的 “入门基石” 在 CDA(Certified Data Analy ...
2025-08-22基于 Python response.text 的科技新闻数据清洗去噪实践 在通过 Python requests 库的 response.text 获取 API 数据后,原始数据 ...
2025-08-21基于 Python response.text 的科技新闻综述 在 Python 网络爬虫与 API 调用场景中,response.text 是 requests 库发起请求后获取 ...
2025-08-21数据治理新浪潮:CDA 数据分析师的战略价值与驱动逻辑 一、数据治理的多维驱动引擎 在数字经济与人工智能深度融合的时代,数据治 ...
2025-08-21Power BI 热力地图制作指南:从数据准备到实战分析 在数据可视化领域,热力地图凭借 “直观呈现数据密度与分布趋势” 的核心优势 ...
2025-08-20PyTorch 矩阵运算加速库:从原理到实践的全面解析 在深度学习领域,矩阵运算堪称 “计算基石”。无论是卷积神经网络(CNN)中的 ...
2025-08-20数据建模:CDA 数据分析师的核心驱动力 在数字经济浪潮中,数据已成为企业决策的核心资产。CDA(Certified Data Analyst)数据分 ...
2025-08-20KS 曲线不光滑:模型评估的隐形陷阱,从原因到破局的全指南 在分类模型(如风控违约预测、电商用户流失预警、医疗疾病诊断)的评 ...
2025-08-20偏态分布:揭开数据背后的非对称真相,赋能精准决策 在数据分析的世界里,“正态分布” 常被视为 “理想模型”—— 数据围绕均值 ...
2025-08-19