在 matplotlib 中组合多个热图答案

【问题标题】：Combine multiple heatmaps in matplotlib在 matplotlib 中组合多个热图
【发布时间】：2013-07-22 11:15:05
【问题描述】：

我目前面临可视化三维数据的问题。具体来说，我有两个变化的参数，第三维是结果输出，在这种情况下是一个介于零和一（百分比）之间的值。

我想说明几个不同的数据集。在 matplotlib (pcolor) 中使用热图效果很好。

但是，我想直接比较不同的数据集。我对为每个数据集生成一个单独的图并以这种方式表示它不太满意。我想以某种方式将其绘制在一个图中以便能够直接比较它们。

我尝试了 3D 图（散点图和曲面图），效果相当不错，但值是重叠的，而且大多数时候您只能看到一个数据集。 3D 绘图的效果确实不太好。

所以我的主要问题是是否有人知道我如何在一个情节中表示这一点。

问候！

【问题讨论】：

标签： python 3d matplotlib heatmap

【解决方案1】：

虽然这是一个老问题，但我最近做了一些相关的事情：在同一个图中绘制两个热图。我通过将正方形转换为散点图来做到这一点，我将正方形转换为两个三角形。

我使用自定义标记制作了两个三角形：

 import matplotlib
 import matplotlib.pyplot as plt
 import numpy as np

 def getCustomSymbol1(path_index=1):
  if path_index==1:  #upper triangle
      verts = [
      (0.0,0.0),
      (1.0,0.0),
      (1.0,1.0),
      (0.0,0.0),]
  else:              #lower triangle
      verts = [
      (0.0,0.0),
      (0.0,1.0),
      (1.0,1.0),
      (0.0,0.0),]
  codes = [matplotlib.path.Path.MOVETO,
           matplotlib.path.Path.LINETO,
           matplotlib.path.Path.LINETO,
           matplotlib.path.Path.CLOSEPOLY,
           ] 
  pathCS1 = matplotlib.path.Path(verts, codes)
  return pathCS1, verts

 def plot_mat(matrix=np.random.rand(20,20), path_index=1, alpha=1.0, vmin=0., vmax=1.):
    nx,ny = matrix.shape
    X,Y,values = zip(*[ (i,j,matrix[i,j]) for i in range(nx) for j in range(ny) ] )
    marker,verts = getCustomSymbol1(path_index=path_index)
    ax.scatter(X,Y,s=4000, 
               marker=marker, 
               c=values, 
               cmap='viridis', 
               alpha=alpha, 
               vmin=vmin, vmax=vmax )
    return

 fig = plt.figure()
 ax = fig.add_subplot(111)
 A  = np.random.uniform(20,50,30).reshape([6,5])
 B  = np.random.uniform(40,70,30).reshape([6,5])
 vmin = np.min([A,B])
 vmax = np.max([A,B])
 plot_mat(path_index=1,vmin=vmin,vmax=vmax,matrix=A)
 plot_mat(path_index=2,vmin=vmin,vmax=vmax,matrix=B)
 plt.xlim([0,6])
 plt.ylim([0,5])
 # for the colorbar i did the trick to make first a fake mappable:
 sm = plt.cm.ScalarMappable(cmap='viridis', norm=plt.Normalize(vmin=vmin, vmax=vmax ) )
 sm._A=[]
 plt.colorbar(sm)
 plt.show()

综合起来可以给你一些类似的东西：

【讨论】：

【解决方案2】：

有几个选项可以同时呈现 2 个数据集：

选项 1 - 绘制 2 个数据集差异的热图（或比率，在您的情况下更合适）

pcolor(D2-D1)

然后展示其中几个比较数字。

选项 2 - 将 1 个数据集显示为 pcolor，将另一个数据集显示为 countour：

pcolor(D1)
contour(D2)

如果你真的需要同时显示 N>2 个数据集，我会选择 contour 或 contourf：

contourf(D1,cmap='Blues')
contourf(D2,cmap='Reds', alpha=0.66)
contourf(D2,cmap='Reds', alpha=0.33)

或

contour(D1,cmap='Blues')
contour(D2,cmap='Reds')
contour(D2,cmap='Reds')

不幸的是，类似的 alpha 技巧不适用于 pcolor。

【讨论】：

感谢您的提示。我喜欢轮廓方法。然而，不知何故，alpha 值似乎并没有那么好。我添加的 alpha 值越低的控制图越多，alpha 值为 1.0 的主要图也会被调低。这应该这样工作吗？

【解决方案3】：

我能想到的最好的方法是将一个绘制为高度（例如一个表面），另一个绘制为映射到该表面的热图。 @HYRY 给出的here 的答案是一个随机着色的示例，您需要使用您的数据集之一指定colors 数组

您还可以考虑它们之间的关系，如果您将一个除以另一个，您是否可以得到一些其他参数来编码正在发生的事情，或者减去它们？

【讨论】：