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码农之家。

以上就是本次给大家分享的关于java的全部知识点内容总结，大家还可以在下方相关文章里找到相关文章进一步学习，感谢大家的阅读和支持。