『Python』matplotlib的imshow用法

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rows，N代表colums

  ※ 超过元素限定范围的元素值将被clipped

• cmap

str 或 matplotlib.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，vmin和vmax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

  当norm给定时，这两个参数无效

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

  

  ※ M代表rows，N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')

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')

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',
)

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()

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vmin和vmax