一周学会Matplotlib3 Python 数据可视化-绘制热力图(Heatmap)

锋哥原创的Matplotlib3 Python数据可视化视频教程：

2026版 Matplotlib3 Python 数据可视化视频教程(无废话版) 玩命更新中~_哔哩哔哩_bilibili

课程介绍

本课程讲解利用python进行数据可视化科研绘图-Matplotlib，学习Matplotlib图形参数基本设置，绘图参数及主要函数，以及Matplotlib基础绘图，和Matplotlib高级绘图。

绘制热力图(Heatmap)

热力图是一种用颜色编码矩阵数据的可视化方式，特别适合展示二维数据集的数值分布和模式识别。Matplotlib 提供了强大的热力图绘制功能，可以轻松创建专业级的热力图。

热力图的基本原理

热力图通过色彩变化来展示矩阵中每个单元格的数值大小：

高值区域通常用暖色调（红、黄）表示
低值区域通常用冷色调（蓝、绿）表示
中间值区域使用过渡色

使用 Matplotlib 绘制热力图的步骤

准备数据：创建二维矩阵数据
创建图形和坐标轴
使用 imshow() 函数绘制热力图
添加颜色条（colorbar）
添加标签、标题和刻度
可选：在单元格中显示数值

ax.imshow() 是 Matplotlib 中用于在坐标轴上显示图像的核心方法（ax 通常指 matplotlib.axes.Axes 对象）。它支持多种数据类型（数组、PIL 图像等），并提供了丰富的参数控制图像显示效果。以下是详细解析：

复制代码

ax.imshow(X, **kwargs)

X: 要显示的图像数据（必需参数），支持以下格式：
- 2D 数组：灰度图像（值域范围：[0, 1] 浮点数或 [0, 255] 整数）
- 3D 数组：RGB（shape=(M, N, 3)）或 RGBA（shape=(M, N, 4)）彩色图像

关键参数详解

颜色映射与归一化

cmap : 指定颜色映射（仅用于单通道数据）。

复制代码

ax.imshow(data, cmap='viridis')  # 使用内置colormap
ax.imshow(data, cmap=plt.cm.hot) # 或通过plt.cm调用

norm : 控制数据到颜色的映射方式。

复制代码

from matplotlib.colors import LogNorm
ax.imshow(data, norm=LogNorm(vmin=1, vmax=100))  # 对数归一化

vmin/vmax : 手动设置颜色映射的数据范围。

复制代码

ax.imshow(data, vmin=0, vmax=10)  # 将数据[0,10]映射到颜色

图像显示属性

aspect : 控制图像纵横比。

复制代码

ax.imshow(data, aspect='auto')    # 自适应坐标轴
ax.imshow(data, aspect='equal')   # 像素保持正方形（默认）

interpolation : 像素插值方法（抗锯齿效果）。

复制代码

ax.imshow(data, interpolation='nearest')  # 无插值（像素化）
ax.imshow(data, interpolation='bilinear') # 双线性平滑

alpha : 透明度（0.0 完全透明，1.0 不透明）。
复制代码
```
ax.imshow(data, alpha=0.5)  # 半透明叠加
```

origin : 数组原点位置。

复制代码

ax.imshow(data, origin='upper')  # 第一行在顶部（默认）
ax.imshow(data, origin='lower')  # 第一行在底部（类似数学坐标系）

坐标定位

extent : 定义图像在坐标轴中的位置 (left, right, bottom, top)。

复制代码

# 将图像放置在x∈[10,20], y∈[5,15]的区域
ax.imshow(data, extent=[10, 20, 5, 15])

filternorm/filterrad : 抗锯齿滤波器参数（高级用法）。

其他常用参数

resample : 重采样方法（已弃用，推荐用 interpolation）。
url : 为图像添加超链接（导出为SVG/PDF时有效）。
animated : 优化动画渲染性能。

返回值

返回 matplotlib.image.AxesImage 对象，可用于：
- 添加颜色条：plt.colorbar(im)
- 动态更新图像：im.set_data(new_data)

我们来看一个示例：

复制代码

import numpy as np
import matplotlib.pyplot as plt
from matplotlib import colors
import matplotlib.font_manager as fm

# 设置中文字体支持
plt.rcParams['font.sans-serif'] = ['SimHei']  # 用来正常显示中文标签
plt.rcParams['axes.unicode_minus'] = False  # 用来正常显示负号

# 创建数据
np.random.seed(42)
data = np.random.rand(8, 10) * 100  # 8x10的随机矩阵

# 创建图形
fig, ax = plt.subplots(figsize=(12, 8), dpi=100)
fig.patch.set_facecolor('#F5F5F5')  # 设置背景色

# 创建自定义颜色映射 创建从蓝色（低值）到橙色（高值）的自定义渐变颜色映射
cmap = colors.LinearSegmentedColormap.from_list('custom_cmap',
                                                ['#2E86C1', '#3498DB', '#85C1E9',
                                                 '#F7F9F9', '#F9E79F', '#F1C40F', '#E67E22'])

# 绘制热力图
"""
cmap：指定颜色映射
aspect='auto'：自动调整纵横比
interpolation='nearest'：使用最近邻插值，保持单元格边界清晰
"""
heatmap = ax.imshow(data, cmap=cmap, aspect='auto', interpolation='nearest')

# 添加颜色条 颜色条显示颜色与数值的对应关系，shrink参数调整颜色条高度
cbar = fig.colorbar(heatmap, ax=ax, shrink=0.7)
cbar.set_label('数值大小', fontsize=12)

# 设置坐标轴标签
ax.set_xticks(np.arange(data.shape[1]))
ax.set_yticks(np.arange(data.shape[0]))
ax.set_xticklabels([f'特征{i + 1}' for i in range(data.shape[1])], fontsize=10)
ax.set_yticklabels([f'样本{i + 1}' for i in range(data.shape[0])], fontsize=10)

# 旋转x轴标签
plt.setp(ax.get_xticklabels(), rotation=45, ha="right", rotation_mode="anchor")

# 添加标题
ax.set_title("数据特征热力图分析", fontsize=16, pad=20, weight='bold')

# 在单元格中显示数值
for i in range(data.shape[0]):
    for j in range(data.shape[1]):
        # 根据背景色亮度调整文本颜色
        color = 'black' if data[i, j] < 50 else 'white'
        ax.text(j, i, f'{data[i, j]:.1f}',
                ha="center", va="center",
                color=color, fontsize=9, weight='bold')

# 添加网格线
ax.grid(which="minor", color="gray", linestyle='-', linewidth=0.5)

# 添加说明文本
plt.figtext(0.5, 0.01, "热力图展示了不同样本在各个特征维度上的数值分布，颜色越暖表示数值越大",
            ha="center", fontsize=10, color='#555555')

# 调整布局
plt.tight_layout(pad=3.0)
plt.subplots_adjust(bottom=0.15)

# 显示图形
plt.show()

运行效果：