『Python』matplotlib的imshow用法

熱力圖是一種數據的圖形化表示，具體而言，就是將二維數組中的元素用顏色表示。熱力圖之所以非常有用，是因為它能夠從整體視角上展示數據，更確切的說是數值型數據。

使用imshow()函數可以非常容易地制作熱力圖。

1. 函數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)

主要用到的參數含義如下：

• X
  可以使類似數組的對象，或者是PIL類型圖像，其中，數組對象可選shape為：

  • (M, N)
    單純的二維數組，元素是標量數據，會通過colormap展示
  • (M, N, 3)
    RGB三通道圖像，元素值可以是\(0-1\)之間的float或者\(0-255\)之間的int
  • (M, N, 4)
    RGBA圖像，多出來的一維屬性，比如是透明度，其元素值和3通道的一樣，可以是\(0-1\)之間的float或者\(0-255\)之間的int

  ※ M代表rows，N代表colums

  ※ 超過元素限定范圍的元素值將被clipped

• cmap
str 或 matplotlib.colors.Colormap類型，用於將標量數據映射到顏色的Colormap實例或已注冊的Colormap名稱。

  ※ 只對二維數組有效，RGB(A)將自動忽略

• norm
  在使用cmap之前，用來將二維數組數據歸一化到\([0, 1]\)，默認是線性的，最小值對應\(0\)，最大值對應\(1\)。

  這要注意，不然每次畫圖最大最小值不一樣，色彩不好比較。

• interpolation
  插值方法，默認'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
  當輸入的時二維數組標量數據並且沒有明確的norm時，vmin和vmax定義colormap覆蓋的數據范圍，默認情況下，colormap覆蓋所提供的值的完整范圍數據

  當norm給定時，這兩個參數無效

• origin
  坐標軸的樣式，可選值為upper和lower，其對應坐標系樣式如下圖

  

  ※ M代表rows，N代表colums

2. 定制colorbars

2.1 基本連續colorbar繪制

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')

當然，也可以豎起來畫

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 離散間隔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 帶有自定義擴展名長度的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. 控制所有圖的colorbar和圖中元素對應顏色一致

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()

關鍵是要設置vmin和vmax