基于matplotlib的数据可视化 - 热图imshow
热图:
Display an image on the axes.
可以用来比较两个矩阵的相似程度
mp.imshow(z, cmap=颜色映射,origin=垂直轴向)
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 )
X - array_like, shape (n, m) or (n, m, 3) or (n, m, 4);Display the image in `X` to current axes.
X 可以是数组array,或PIL image,若为数组,它following shapes and types
- M * N -- values to be mapped (float or int);该数组形式基于norm(将标量映射到标量 mapping scalar to scalar)和 cmap(将标准标量映射到颜色mapping the normed scalar to a color)
- M * N * 3 -- RGB (float or uint8)
- M * N * 4 -- RGBA (float or uint8)
RGB和RGBA阵列的元素表示M * N图像的像素。 对于浮点数,所有值应在[0 .. 1]的范围内,对于整数,所有值应在[0 ... 255]的范围内。 超出范围的值将被剪切到这些边界。
cmap - optional, default: None
aspect - ['auto' | 'equal' | scalar], optional, default: None
auto - 则更改图像宽高比以匹配轴的宽高比。
equal - If 'equal', and `extent` is None, 则更改轴纵横比以匹配图像的纵横比。 If `extent` is not `None`, 则更改轴纵横比以匹配范围。
interpolation - string, optional, default: None ,
Acceptable values are 'none', 'nearest', 'bilinear', 'bicubic', 'spline16', 'spline36', 'hanning', 'hamming', 'hermite', 'kaiser', 'quadric', 'catrom', 'gaussian', 'bessel', 'mitchell', 'sinc',
'lanczos'
norm - : `~matplotlib.colors.Normalize`, optional, default: None 略
vmin, vmax - scalar, optional, default: None
`vmin`和`vmax`与norm结合使用以标准化亮度数据。 注意,如果传递一个`norm`实例则`vmin`和`vmax`的设置将被忽略。
alpha - scalar, optional, default: None
介于0(透明)和1(不透明)之间。RGBA input data 时 alpha 参数自动忽略
origin : ['upper' | 'lower'], optional, default: None
将数组的[0,0]索引放在轴的左上角( upper) 或左下角( lower) 。 如果为None,则默认为rc`mage.origin`。
extent : scalars (left, right, bottom, top), optional, default: None
数据坐标中左下角和右上角的位置。 如果为“无”,则定位图像使得像素中心落在基于零的(行,列)索引上。
shape : scalars (columns, rows), optional, default: None
For raw buffer images
filternorm - scalar, optional, default: 1
filterrad - scalar, optional, default: 4.0
示例
import numpy as np import matplotlib.pyplot as pltn = 1000 # 用meshgrid生成一个二维数组 x, y = np.meshgrid(np.linspace(-3, 3, n), np.linspace(-3, 3, n)) z = (1 - x / 2 + x**5 + y**3) * np.exp(-x**2 - y**2)# 画图 plt.figure('Hot', facecolor='lightgray') plt.title('hotshot', fontsize=20) plt.xlabel('x', fontsize=14) plt.ylabel('y', fontsize=14) plt.tick_params(labelsize=10) plt.grid(linestyle=':')plt.imshow(z, cmap='jet', origin='low') plt.colorbar().set_label('z', fontsize=14)plt.show()
官方网站 Image tutorial 、
Matplotlib调用imshow()函数绘制热图
matplotlib热图
基于matplotlib的数据可视化 - 热图imshow相关推荐
- R 数据可视化 : 热图
本文作者蒋刘一琦,自嘲是一个有艺术追求的生信狗,毕业于浙江大学生物信息学专业,目前在复旦大学就读研究生,研究方向为宏基因组. 在生物信息领域我们常常使用 R 语言对数据可视化.在对数据可视化的时候,我 ...
- R pdf大小_数据可视化 - 热图·R
热图(如下图所示),是一种展示样本与差异变量关系的可视化方式,可以通过R/python进行绘制.本文主要分别具体介绍如何使用R实现热图绘制. R绘制热图 通常调用R的软件包"pheatmap ...
- 基于matplotlib的数据可视化 - 三维曲面图gca
1 语法 ax = plt.gca(projection='3d') ax.plot_surface(x,y,z,rstride=行步距,cstride=列步距,cmap=颜色映射) gca(**kw ...
- python聚类算法中x是多维、y是一维怎么画图_基于Python的数据可视化:从一维到多维...
目录 一.iris数据集介绍 二.一维数据可视化 三.二维数据可视化 四.多维数据可视化 五.参考资料 一.iris数据集介绍 iris数据集有150个观测值和5个变量,分别是sepal length ...
- 字符动图_手把手教你做一个python+matplotlib的炫酷的数据可视化动图
1.数据可视化动图,是数据可视化的高级显示,最近很流行. 2.比如下面将告诉你如何制作一个如下的数据可视化动图. 3.例: 3.1 准备一组数据,虚拟的csv资料,对应关系如下 4个项目:namegr ...
- matlab 热图,基于表格数据创建热图
以表的形式导入文件 加载示例文件 TemperatureData.csv,此文件包含 2015 年 1 月至 2016 年 7 月间的日均温度.将此文件读取到一个表中并显示前五行. tbl = rea ...
- 基于房地产信息的数据可视化
基于房地产信息的数据可视化 在这次可视化项目设计中,我选用的是有关于房地产信息的主题,在选用数据方面选择了一个中国不掉热度的热点话题,房地产行业的数据可视化.在选取数据的过程中还是比较困难的,要选择合 ...
- python数据动态可视化进阶版,Matplotlib Animations 数据可视化进阶
原标题:Matplotlib Animations 数据可视化进阶 如果你对我的代码有兴趣,可以在我的GitHub查看.当你第一次执行时,代码会报错(我一直没有解决),但是同样的代码框再执行一次,就能 ...
- rstudio怎么安装ggplot2_如何基于ggplot2构建相关系数矩阵热图
点击关注了解更多精彩内容!! 古人云:有缘千里能相会,无缘对面不相逢.铁哥认为"缘分"如果用数据来表示的话,那么可以用相关系数来进行量化.如果你和一个人的缘分足够深,那么你们之间的 ...
最新文章
- 报错:java.lang.IllegalArgumentException: non null key required 错误
- 回调函数在replace方法中的应用
- Kruskal HDOJ 1233 还是畅通工程
- 每日一问一周汇总:第2期
- 基于用户投票的排名算法Reddit
- 目前最常用的计算机机箱类型为_绍兴承接离心风机箱高品质
- linux文件编程(open、write、read、creat、lseek函数)
- WinXP无需激活的秘技
- swift 自定义TabBarItem
- 深度学习自学(二十九):上下文感知和对规模不敏感的动作重复计数
- Context Menu控件
- 哪个平台的身份证实名认证接口服务比较靠谱?
- SAAS 技术栈回顾
- 2016 UESTC Training for Search Algorithm String I - 谭爷剪花布条 KMP
- Codeforces Beta Round #57 (Div. 2)E---Enemy is weak(树状数组+离散化)
- “天空地”一体化生态系统监测概念介绍
- C++ map和set
- spark rdd分区与任务的关系
- 极限发问,挑战文心一言底线
- Web大学生网页成品HTML+CSS音乐吧 7页