imshow详解热图知识

原文：https://blog.csdn.net/du_shuang/article/details/84111250

热图（heatmap）是数据分析的常用方法，通过色差、亮度来展示数据的差异、易于理解。Python在Matplotlib库中，调用imshow()函数实现热图绘制。
参考资料：http://matplotlib.org/users/image_tutorial.html
源码介绍如下图所示：

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)

其中，X变量存储图像，可以是浮点型数组、unit8数组以及PIL图像，如果其为数组，则需满足一下形状：
    (1) M*N      此时数组必须为浮点型，其中值为该坐标的灰度；
    (2) M*N*3  RGB（浮点型或者unit8类型）
    (3) M*N*4  RGBA（浮点型或者unit8类型）

下面这段代码是一个简单的实例：

# coding=utf-8
 
from matplotlib import pyplot as plt

X = [[1,2],[3,4],[5,6]]
 
plt.imshow(X)
 
plt.show()

输出如下图所示：

Colorbar：增加颜色类标的代码是plt.colorbar()，代码如下：

#coding=utf-8
 
from matplotlib import pyplot as plt
 
X = [[1,2],[3,4],[5,6]]
 
plt.imshow(X)
 
plt.colorbar()
 
plt.show()

运行结果如下图所示，其中左上角颜色为蓝色，对应值为1；右下角颜色为深红色，对应值为6。它是按照矩阵X进行颜色分布的。
[1, 2]    [深蓝, 浅蓝]
[3, 4]    [淡绿, 黄色]
[5, 6]    [橙红, 深红]
plt.colorbar(cax=None,ax=None,shrink=0.5)可设置Bar为一半长度。

Colormap：参数cmap用于设置热图的Colormap。（参考百度百科）
Colormap是MATLAB里面用来设定和获取当前色图的函数，可以设置如下色图：
    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。

下面这段代码是显示原图、灰度（gray）、和春夏秋冬的示例。

#coding=utf-8
 
from matplotlib import pyplot as plt
X = [[1,2],[3,4]]
fig = plt.figure()
ax = fig.add_subplot(231)
ax.imshow(X)
ax = fig.add_subplot(232)
ax.imshow(X, cmap=plt.cm.gray) #灰度
ax = fig.add_subplot(233)
im = ax.imshow(X, cmap=plt.cm.spring) #春
plt.colorbar(im)
ax = fig.add_subplot(234)
im = ax.imshow(X, cmap=plt.cm.summer)
plt.colorbar(im, cax=None, ax=None, shrink=0.5) #长度为半
ax = fig.add_subplot(235)
im = ax.imshow(X, cmap=plt.cm.autumn)
plt.colorbar(im, shrink=0.5, ticks=[-1,0,1])
ax = fig.add_subplot(236) 
im = ax.imshow(X, cmap=plt.cm.winter)
plt.colorbar(im, shrink=0.5)
 
plt.show()

运行结果如下图所示：

通常图片都是由RGB组成，一块一块的，详见我的数字图像处理系列博客，这里想把某块显示成一种颜色，则需要调用interpolation='nearest'参数即可，代码如下：

#coding=utf-8
 
from matplotlib import pyplot as plt
 
X = [[0, 0.25], [0.5, 0.75]]
 
fig = plt.figure()
 
ax = fig.add_subplot(121)
 
im = ax.imshow(X, cmap=plt.get_cmap('hot'))
 
plt.colorbar(im, shrink=0.5)
ax = fig.add_subplot(122)
 
im = ax.imshow(X, cmap=plt.get_cmap('hot'), interpolation='nearest',
 
vmin=0, vmax=1)
 
plt.colorbar(im, shrink=0.2)
plt.show()
 

运行结果如下图所示：

推荐文章：matplotlib imshow - default colour normalisation
默认情况下，imshow将数据标准化为最小和最大值。 您可以使用vmin和vmax参数或norm参数来控制（如果您想要非线性缩放）。

百度经验提供一段代码，也不错，推荐大家学习。
注意：相当于在A~J和a~j的图像矩阵中，产生10*10的随机数，对矩阵进行颜色填充；只是在填充过程中，选择随机数的最大值和最小值进行标准化处理。

# coding=utf-8
 
import numpy as np
 
from matplotlib import pyplot as plt
 
from matplotlib import cm
 
from matplotlib import axes
 
def draw_heatmap(data,xlabels,ylabels):
 
#cmap=cm.Blues
 
cmap=cm.get_cmap('rainbow',1000)
 
figure=plt.figure(facecolor='w')
 
ax=figure.add_subplot(1,1,1,position=[0.1,0.15,0.8,0.8])
 
ax.set_yticks(range(len(ylabels)))
 
ax.set_yticklabels(ylabels)
 
ax.set_xticks(range(len(xlabels)))
 
ax.set_xticklabels(xlabels)
 
vmax=data[0][0]
 
vmin=data[0][0]
 
for i in data:
 
for j in i:
 
if j>vmax:
 
vmax=j
 
if j<vmin:
vmin=j
map=ax.imshow(data,interpolation='nearest',cmap=cmap,aspect='auto',vmin=vmin,vmax=vmax)
cb=plt.colorbar(mappable=map,cax=None,ax=None,shrink=0.5)
plt.show()

a=np.random.rand(10,10)
 
print a
 
xlabels=['A','B','C','D','E','F','G','H','I','J']
 
ylabels=['a','b','c','d','e','f','g','h','i','j']
 
draw_heatmap(a,xlabels,ylabels)

运行结果如下图所示：

最后希望这篇文章对你有所帮助，该篇文章的重点知识不是画图，而是后续的研究：
    1.如何通过热图来描绘人类动力学兴趣转换点；
    2.图像处理感兴趣的同学，会通过imshow()处理相关知识；
    3.用热图颜色表示差异，体现矩阵数据的关注点。

同时推荐大家阅读电子科技大学，赵志丹老师的博士论文《人类行为时空特性的分析建模及动力学研究》，下一篇文章我将简单讲述人类时空分析及结合Python绘图简单介绍。因为最近研究这方面知识，希望对你有所帮助，如果文章存在错误或不足之处，还请海涵。
真的好忙啊，都没时间做很多自己喜欢的事情，写文也是，但每当想起你，我这张丑脸上总会泛起微笑。加油，秀璋。娜娜，晚安！