在matplotlib中组合多个热图

Question

我目前面临着可视化三维数据的问题.具体地说,我有两个变化的参数,第三个维度是结果输出,在这种情况下是0到1之间的值(百分比).

我有几个不同的数据集,我想说明.它在matplotlib(pcolor)中使用热图很有效.

但是,我想直接比较不同的数据集.我不太满意为每个数据集生成一个单独的图并以这种方式表示它.我不知何故想在一个图中绘制它以便能够直接比较它们.

我已经尝试了3D图(散点图和曲面图),它工作得相当不错,但是值是重叠的,大多数时候你只能看到一个数据集.3D Plots真的不太好用.

所以我的主要问题是,如果有人知道如何在一个情节中代表这一点.

问候!

Answer 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()

在一起可以给你类似的东西：

Answer 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，无论哪种情况更适合您的情况）

pcolor(D2-D1)

然后呈现其中几个比较数字。

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)

如果你确实需要一起显示 N>2 个数据集，我会使用轮廓或轮廓：

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

或者

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。