使用 Python 绘制两个标量值的热图

Question

我正在尝试绘制两个自变量 x 和 y 与因变量 score 作为热图的关系：x 和 y 是从 0 到无穷大和 @987654333 的整数值@ 是介于 0 和 1 之间的实数值。

想要的外观

x 和 y 有大量可见值，所以我想让它看起来更像一个典型的密度图，如下例所示，因为每个个体 (x, y) 的确切值是不是很重要：

（取自Seaborn's documentation的示例）

目前的做法

目前，我正在尝试使用 Seaborn 的 heatmap(..) 函数来绘制数据，但结果图几乎不可读，每个离散数据点之间有大量空间，而不是“连续”梯度。使用的绘图逻辑如下：

import pandas as pd
from matplotlib.pyplot import cm
import seaborn as sns

sns.set_style("whitegrid")

df = read_df_using_pandas(...)
table = df.pivot_table(
    values="score",
    index="y",
    columns="x", aggfunc='mean')
ax = sns.heatmap(table, cmap=cm.magma_r)
ax.invert_yaxis()
fig = sns_plot.get_figure()
fig.savefig("some_outfile.png", format="png")

结果图如下所示，这是错误的，因为它与上一节中描述的所需外观不匹配：

我不知道为什么每个离散数据点之间存在大量空间而不是“连续”梯度。如何绘制由两个离散值组成的数据之间的关系（ x 和 y) 以模拟梯度密度图的方式表示为第三个标量值 (score)？该解决方案不需要使用 Seaborn 甚至 matplotlib。

Answer 1

使用 imshow

一个适用于我的示例，其中“toplot”是一个矩阵，其中包含您想要热图的值：

import matplotlib.pyplot as plt
fig = plt.figure(figsize=(6,6))
plt.clf()        

ax = fig.add_subplot(111)
toplot = INSERT MATRIX HERE
res = ax.imshow(toplot, cmap=plt.cm.viridis, vmin = 0)    
cb = fig.colorbar(res,fraction=0.046, pad=0.04)


plt.title('Heatmap')

plt.xlabel('x-axis')
plt.ylabel('y-axis')

row = np.where(toplot == toplot.max())[0][0]
column= np.where(toplot == toplot.max())[1][0]

plt.plot(column,row,'*')

plt.savefig('plots/heatmap.png', format='png')

我还添加了一颗星，表示情节中的最高点，这是我需要的。