matplotlib基础绘图命令之imshow的使用

    在matplotlib中,imshow方法用于绘制热图,基本用法如下

    
    import matplotlib.pyplot as plt
    import numpy as np
    np.random.seed(123456789)
    data = np.random.rand(25).reshape(5, 5)
    plt.imshow(data)

    输出结果如下

    imshow方法首先将二维数组的值标准化为0到1之间的值,然后根据指定的渐变色依次赋予每个单元格对应的颜色,就形成了热图。对于热图而言,通常我们还需要画出对应的图例,图例通过colorbar方法来实现,代码如下

    
    plt.imshow(data)
    plt.colorbar()

    输出结果如下

    imshow方法常用的几个参数如下

    1. cmap

    cmap是colormap的简称,用于指定渐变色,默认的值为viridis, 在matplotlib中,内置了一系列的渐变色,用法如下 

    
    plt.imshow(data, cmap='Greens')

    输出结果如下

    完整的内置colormap的列表见如下链接

    https://matplotlib.org/tutorials/colors/colormaps.html

    2. aspect

    aspect用于指定热图的单元格的大小,默认值为equal,此时单元格用于是一个方块,当设置为auto时,会根据画布的大小动态调整单元格的大小,用法如下

    
    plt.imshow(data, aspect='auto')

    输出结果如下

    3. alpha

    alpha参数用于指定透明度,用法如下

    
    plt.imshow(data, alpha=0.8)

    输出结果如下

    4. origin

    orign参数指定绘制热图时的方向,默认值为upper,  此时热图的右上角为(0, 0), 当设置为lower时,热图的左下角为(0,0), 用法如下

    
    plt.imshow(data, origin='lower')

    输出结果如下

    5. vmin和vmax

    vmin和vmax参数用于限定数值的范围,只将vmin和vmax之间的值进行映射,用法如下

    
    plt.imshow(data, vmin=-0.8, vmax=0.8)
    plt.colorbar()

    输出结果如下

    6. interpolation

    interprolation参数控制热图的显示形式,是一个较难理解的参数,同样的数据,不同取值对应的热图形式如下

    在日常使用而言,nearest和None是应用的最多的。

    7. extent

    extent参数指定热图x轴和y轴的极值,取值为一个长度为4的元组或列表,其中,前两个数值对应x轴的最小值和最大值,后两个参数对应y轴的最小值和最大值,用法如下

    
    plt.imshow(data, extent=(-0.5, 4.5, 4.5, -0.5))

    输出结果如下

    可以看到,上述代码的输出和默认输出完全一致。其实, extent和origin两个参数是相互关联的,origin参数的值为upper时,extent参数的默认值如下

    
    (-0.5, ncol(data) - 0.5, nrow(data)-0.5, 0.5)

    当origin参数的值为lower时,extent参数的默认值如下

    
    (-0.5, ncol(data) - 0.5, -0.5, nrow(data)-0.5)

    修改extent参数的值,图中单元格对应的刻度会发生变化,示意如下

    
    plt.imshow(data,extent=(-0.5,5.5,-5.5,0.5))

    输出结果如下

    大多数的情况下,我们都不需要自己来手动指定extent参数的值。

    在绘制热图时,还可以结合xlim和ylim参数,来为热图的周围增加空隙,代码如下

    
    plt.imshow(data)
    plt.xlim(-1, 5)
    plt.ylim(5, -1)
    plt.colorbar()

    输出结果如下

    相比R语言中的热图,matplotlib中的热图没有聚类树的功能,需要自己手动来实现,但是可以很方便的添加图例,而且受益于matplotlib灵活的基础功能,可以实现非常复杂的如图。

    python使用plt.imshow在坐标轴上展示图片,坐标设置问题。

    坐标默认是从上到下,从左到右,例如

    
    matplotlib.pyplot.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, hold=None, data=None, **kwargs

    他的参数很多,找了很久,才发现,应该是设置origin参数。

    
    origin : [‘upper' | ‘lower'], optional, default: None
      Place the [0,0] index of the array in the upper left or lower left corner of the axes. 
      If None, default to rc image.origin.

    origin=‘lower',就得到如下图:

    到此这篇关于matplotlib基础绘图命令之imshow的使用的文章就介绍到这了,更多相关matplotlib imshow内容请搜索lingkb以前的文章或继续浏览下面的相关文章希望大家以后多多支持lingkb!