Question

我目前面临可视化三维数据的问题。具体地说，我有两个变化的参数，第三个维度是结果输出，在这种情况下是0到1之间的值（百分比）。

我想要说明几个不同的数据集。它在matplotlib（pcolor）中使用热图很有效。

但是，我想直接比较不同的数据集。我不太满意为每个数据集生成一个单独的图并以这种方式表示它。我不知何故想在一个图中绘制它以便能够直接比较它们。

我尝试过的3D图（散点图和曲面图）工作得相当不错，但是这些值是重叠的，大多数时候你只能看到一个数据集。 3D Plots实际上效果不佳。

所以我的主要问题是，如果有人知道如何在一个情节中代表这一点。

问候！

Answer 1

虽然这是一个老问题，但我最近做了一些相关的事情：在同一个图中绘制两个热图。我通过将正方形转换为散点图来实现这一点，我将正方形转换为两个三角形。

我使用自定义标记制作了两个三角形：

 import matplotlib
 import matplotlib.pyplot as plt
 import numpy as np

 def getCustomSymbol1(path_index=1):
  if path_index==1:  #upper triangle
      verts = [
      (0.0,0.0),
      (1.0,0.0),
      (1.0,1.0),
      (0.0,0.0),]
  else:              #lower triangle
      verts = [
      (0.0,0.0),
      (0.0,1.0),
      (1.0,1.0),
      (0.0,0.0),]
  codes = [matplotlib.path.Path.MOVETO,
           matplotlib.path.Path.LINETO,
           matplotlib.path.Path.LINETO,
           matplotlib.path.Path.CLOSEPOLY,
           ] 
  pathCS1 = matplotlib.path.Path(verts, codes)
  return pathCS1, verts

 def plot_mat(matrix=np.random.rand(20,20), path_index=1, alpha=1.0, vmin=0., vmax=1.):
    nx,ny = matrix.shape
    X,Y,values = zip(*[ (i,j,matrix[i,j]) for i in range(nx) for j in range(ny) ] )
    marker,verts = getCustomSymbol1(path_index=path_index)
    ax.scatter(X,Y,s=4000, 
               marker=marker, 
               c=values, 
               cmap='viridis', 
               alpha=alpha, 
               vmin=vmin, vmax=vmax )
    return

 fig = plt.figure()
 ax = fig.add_subplot(111)
 A  = np.random.uniform(20,50,30).reshape([6,5])
 B  = np.random.uniform(40,70,30).reshape([6,5])
 vmin = np.min([A,B])
 vmax = np.max([A,B])
 plot_mat(path_index=1,vmin=vmin,vmax=vmax,matrix=A)
 plot_mat(path_index=2,vmin=vmin,vmax=vmax,matrix=B)
 plt.xlim([0,6])
 plt.ylim([0,5])
 # for the colorbar i did the trick to make first a fake mappable:
 sm = plt.cm.ScalarMappable(cmap='viridis', norm=plt.Normalize(vmin=vmin, vmax=vmax ) )
 sm._A=[]
 plt.colorbar(sm)
 plt.show()

这一起可以给你这样的东西：

Answer 2

有两个选项可以将2个数据集一起呈现：

选项1 - 绘制2个数据集差异的热图（或比率，在您的情况下更合适）

pcolor(D2-D1)

然后介绍其中几个比较数字。

选项2 - 将1个数据集显示为pcolor，将另一个数据集显示为countour：

pcolor(D1)
contour(D2)

如果你真的需要一起展示N＆gt; 2数据集，我会选择轮廓或轮廓f：

contourf(D1,cmap='Blues')
contourf(D2,cmap='Reds', alpha=0.66)
contourf(D2,cmap='Reds', alpha=0.33)

example output of 3 contourf commands

或

contour(D1,cmap='Blues')
contour(D2,cmap='Reds')
contour(D2,cmap='Reds')

example output of 3 contour commands

不幸的是，simiar alpha技巧与pcolor效果不佳。

Answer 3

我能想到的最好的方法是将一个绘制为高度（例如一个曲面），另一个绘制为映射到此曲面的热图。 @HYRY给出here的答案是一个随机着色的示例，您需要使用一个数据集指定colors数组

你也可以考虑一下它们是如何相关的，如果你把它们除以另一个，你能得到一些其他参数来编码正在发生的事情，或者减去它们吗？

在matplotlib中组合多个热图

3 个答案: