【收藏】如何优雅的在 Python matplotlib 中可视化矩阵,以及cmap色带设置

有时需要将numpy矩阵绘制出来看趋势,这时候可以使用plt.imshow() 方法来可视化

同时还需要对cmap进行设置,使用不同的色带,达到更好的可视化效果。

代码

import numpy as np
from matplotlib import pyplot as plt

data2D = np.random.random((50, 50))
im = plt.imshow(data2D
  • 0
    点赞
  • 8
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
要将热图的变量名放在图表右边,你可以使用 `plt.tick_params` 函数来调整 x 轴和 y 轴的刻度位置。下面是一个示例代码: ```python import pandas as pd import seaborn as sns import matplotlib.pyplot as plt # 创建一个包含多个变量的数据框 data = pd.DataFrame({ 'var1': [1, 2, 3, 4, 5], 'var2': [2, 4, 6, 8, 10], 'var3': [3, 6, 9, 12, 15] }) # 计算相关系数矩阵 correlation_matrix = data.corr() # 使用热图可视化相关系数矩阵 sns.heatmap(correlation_matrix, annot=True, cmap='coolwarm') # 调整 x 轴和 y 轴的刻度位置 plt.tick_params(axis='x', bottom=False, top=False, labelbottom=False) plt.tick_params(axis='y', left=False, right=True, labelleft=False, labelright=True) # 显示图表 plt.show() ``` 在上面的示例代码,我们首先创建了一个包含多个变量的 DataFrame 对象 `data`。然后使用 `data.corr()` 计算了变量之间的相关系数矩阵。接下来,使用 seaborn 库的 `heatmap` 函数将相关系数矩阵以热图的形式进行可视化,并使用 `annot=True` 参数在图显示相关系数的数值。最后,使用 `plt.tick_params` 函数分别调整了 x 轴和 y 轴的刻度位置,以将变量名放在图表的右边。 请注意,这种方法将刻度线隐藏了,并将刻度标签放在了图表的右边。如果你希望保留刻度线,你可以在 `tick_params` 函数调整相应的参数。你可以根据自己的需求调整代码的相关部分。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

Think Spatial 空间思维

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值