在 Matplotlib 中从 3D 数据生成离散热图

Question

所以我想做这样的事情：

Generating a heat map using 3D data in matplotlib

但我不希望我的颜色轴是连续的。

---

我的输入数据是这样的：

x = [0, 0, 0, ... , 20, 20, 20, ..., 39, 39, 39]
y = [0, 1, 2, ..., 0, 1, 2... , 37, 38, 39]
z = [0, 1, 0, ..., 1, 1, 0, ..., 1, 0 ,0]

换句话说，我的 z 值要么是 0，要么是 1，并且永远不会介于两者之间。

我试试：

 import numpy
 import matplotlib.pyplot as plt

 #===Load Data===#
 data = numpy.loadtxt("class_map.dat");

 #===Get Array Sizes===#
 max_x_size = int(numpy.sqrt(len(data[:,0])));
 max_y_size = int(numpy.sqrt(len(data[:,1])));

 #===Reshape Into Square Grid===#
 x = data[:,0]; xx = numpy.reshape(x, (max_x_size, max_x_size));
 y = data[:,1]; yy = numpy.reshape(y, (max_y_size, max_y_size));
 z = data[:,2]; zz = numpy.reshape(z, (max_x_size, max_y_size));

 #===Plot===#
 plt.subplot(111)
 plt.contourf(xx,yy,zz)
 plt.colorbar()
 plt.show();

但我得到的是：

看起来contourf 给了我一个连续函数。我希望它简单地显示 z 变量中已经存在的值，而不是为其拟合函数。我该怎么做？

编辑：另外，如果可能的话，我希望将离散值（0 或 1）设为灰度。

Answer 1

您可以将levels 参数用于contour，例如levels=[0,0.5,1]。

import numpy as np
import matplotlib.pyplot as plt

#===Load Data===#
x,y  = np.meshgrid(np.arange(20),np.arange(20) )
data = np.random.randint(0,2, size=(20,20))

#===Plot===#
plt.subplot(111)
plt.contourf(x,y,data, levels=[0,0.5,1])
plt.colorbar()
plt.show()

另一种选择可能是使用imshow()

import numpy as np
import matplotlib.pyplot as plt

#===Load Data===#
x,y  = np.meshgrid(np.arange(20),np.arange(20) )
data = np.random.randint(0,2, size=(20,20))

#===Plot===#
plt.subplot(111)
plt.imshow(data, interpolation="None")
plt.colorbar()
plt.show()