Python | 如何在Matplotlib中仅绘制热图的上/下三角形

热图是一种强大的可视化工具，用于以矩阵格式表示数据，其中各个值由颜色表示。它们对于可视化相关矩阵特殊有用，其中矩阵的对称性子使得表现上下三角形变得多余。本文将指导您使用Matplotlib（Python中流行的绘图库）仅绘制热图的上三角形或下三角形的过程。
为什么只绘制上三角形或下三角形？

热图是数据的图形表示，其中各个值由颜色表示。在许多环境下，例如相关矩阵，数据是关于对角线对称的。这意味着上三角形中的信息是下三角形中信息的镜像。如果同时删除两个三角形，则大概是多余的，而且会使可视化变得杂乱。通过只绘制一个三角形，我们可以使热图更清晰，更容易表明。
分步实现绘制

要在Matplotlib中只绘制热图的上三角形或下三角形，我们可以使用NumPy创建一个数组，然后使用Matplotlib的imshow函数表现它。以下是详细步骤：
1.导入所需的库
首先，我们需要导入必要的库：NumPy用于数值运算，Matplotlib用于绘图。

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

复制代码

2.天生随机数据
为了演示的目的，我们将创建一个随机的5×5矩阵。在现实世界的场景中，这可以是相关矩阵或任何其他数据矩阵。

1. data = np.random.rand(5, 5)

复制代码

3.为上/下三角形创建掩码
我们可以使用numpy.tri函数来创建一个三角形掩码。此函数天生一个下三角矩阵，对角线下方为1，其他地方为0。为了创建上三角形掩码，我们可以转置下三角形掩码。

1. # Lower triangle mask
2. lower_mask = np.tri(data.shape[0], data.shape[1], k=-1)
4. # Upper triangle mask
5. upper_mask = lower_mask.T

复制代码

4.将掩码应用于数据
我们使用NumPy的掩码数组功能将掩码应用于我们的数据。这将隐藏上三角形或下三角形中的值。

1. # Mask the lower triangle
2. masked_data_lower = np.ma.array(data, mask=lower_mask)
4. # Mask the upper triangle
5. masked_data_upper = np.ma.array(data, mask=upper_mask)

复制代码

5.绘制热图
最后，我们使用Matplotlib的imshow函数绘制屏蔽数据。我们可以根据需要自定义色彩映射表和其他绘图设置。

1. plt.figure(figsize=(8, 6))
3. # Plot lower triangle heatmap
4. plt.subplot(1, 2, 1)
5. plt.title("Lower Triangle Heatmap")
6. plt.imshow(masked_data_lower, interpolation='nearest', cmap='viridis')
7. plt.colorbar()
9. # Plot upper triangle heatmap
10. plt.subplot(1, 2, 2)
11. plt.title("Upper Triangle Heatmap")
12. plt.imshow(masked_data_upper, interpolation='nearest', cmap='viridis')
13. plt.colorbar()
15. plt.tight_layout()
16. plt.show()

复制代码

仅绘制热图的上三角形：实际示例

1.示例：绘制相关矩阵
让我们思量一个实际的例子，我们绘制数据集的相关矩阵。我们将使用Pandas库加载数据集并计算相关矩阵。

1. import pandas as pd
3. df = pd.DataFrame({
4.     'A': np.random.rand(10),
5.     'B': np.random.rand(10),
6.     'C': np.random.rand(10),
7.     'D': np.random.rand(10),
8.     'E': np.random.rand(10)
9. })
11. # Calculate correlation matrix
12. corr_matrix = df.corr()
14. # Create upper triangle mask
15. mask = np.triu(np.ones_like(corr_matrix, dtype=bool))
17. # Apply mask to the correlation matrix
18. masked_corr = np.ma.array(corr_matrix, mask=mask)
20. plt.figure(figsize=(8, 6))
21. plt.title("Upper Triangle Correlation Matrix")
22. plt.imshow(masked_corr, interpolation='nearest', cmap='coolwarm', vmin=-1, vmax=1)
23. plt.colorbar()
24. plt.xticks(range(len(corr_matrix.columns)), corr_matrix.columns, rotation=90)
25. plt.yticks(range(len(corr_matrix.columns)), corr_matrix.columns)
26. plt.show()

复制代码

2.示例：使用Seaborn绘制上三角热图

1. import seaborn as sns
3. # Generate a mask for the upper triangle
4. mask = np.triu(np.ones_like(corr_matrix, dtype=bool))
5. plt.figure(figsize=(10, 8))
7. # Draw the heatmap with the mask and correct aspect ratio
8. sns.heatmap(corr_matrix, mask=mask, cmap='coolwarm', vmax=1, vmin=-1, center=0,
9.             square=True, linewidths=.5, cbar_kws={"shrink": .5})
11. plt.title("Upper Triangle Correlation Matrix")
12. plt.show()

复制代码

总结

仅绘制热图的上三角形或下三角形可以使您的可视化更清晰，更易于表明，特殊是在处理相关矩阵等对称矩阵时。通过使用NumPy创建掩码，使用Matplotlib或Seaborn绘制热图，您可以轻松实现此结果。

免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。