python矩阵可视化

python35种绘图函数总结

imshow和matshow

matplotlib中提供了两个矩阵可视化函数，分别是imshow和matshow，由于二者过于相似，且imshow常被用做图片展示工具，所以matshoww这个函数基本没什么人知道，总之二者对比如下

import matplotlib.pyplot as plt
import numpy as np

x = np.random.rand(5,5)

fig,axes = plt.subplots(1,2,figsize=(8,4))

axes[0].imshow(x)
plt.title("imshow")
axes[1].matshow(x)
plt.title("matshow")

plt.tight_layout()
plt.show()

但无论是imshow也好，还是matshow也罢，对矩阵，尤其是小矩阵，展示得并不完美，徒有伪彩色对应，而并无具体的数值，那么对于一些需要看到实际数值的场合，其表现力当然是不够的。

显示数值

所以接下来，就要在特定的格子中，写下矩阵的具体数值。

from itertools import product

M,N = 3,6
x = np.random.rand(M,N)

plt.matshow(x)
for i,j in product(range(M),range(N)):
    plt.text(j-0.15, i, f"{x[i,j]:.2}")

plt.show()

product是排列组合迭代器，可以将输入序列的元素两两组合在一起，从而避免循环嵌套。plt.text的作用就是显示数值，其中j表示x坐标，i表示y轴坐标。在矩阵索引中，i表示行号，j表示列号。

这张图当然也有问题，由于文字是横着写的，但矩阵中的格子却是正方形的，这个显然看上去不太和谐。如果用pcolormesh这种像素形状可以更改的函数，显然更加合适。

但pcolormesh有两个问题，一是坐标轴方向和矩阵下标的方向不符，二是坐标标签的位置并不指格点中间，为此需要稍加改造。

def drawMat(x, ax=None):
    M, N = x.shape
    if not ax:
        ax = plt.subplot()
    arrM, arrN = np.arange(M), np.arange(N)
    plt.yticks(arrM+0.5, arrM)
    plt.xticks(arrN+0.5, arrN)
    ax.pcolormesh(x)
    ax.invert_yaxis()
    for i,j in product(range(M),range(N)):
        ax.text(j+0.2, i+0.55, f"{x[i,j]:.2}")
    plt.show()

x = np.random.rand(5,5)
drawMat(x)

其中，xticks和yticks用于重新映射坐标，将N.5映射为N，这样坐标位置也就转化为了具体数值；invert_yaxis表示y轴坐标翻转，从而直角坐标系被改为矩阵坐标系。

效果如下