我将使用matplotlib的pcolor/pcolormesh函数，因为它允许不均匀的数据间距。

示例来自matplotlib:

import matplotlib.pyplot as plt
import numpy as np

# generate 2 2d grids for the x & y bounds
y, x = np.meshgrid(np.linspace(-3, 3, 100), np.linspace(-3, 3, 100))

z = (1 - x / 2. + x ** 5 + y ** 3) * np.exp(-x ** 2 - y ** 2)
# x and y are bounds, so z should be the value *inside* those bounds.
# Therefore, remove the last value from the z array.
z = z[:-1, :-1]
z_min, z_max = -np.abs(z).max(), np.abs(z).max()

fig, ax = plt.subplots()

c = ax.pcolormesh(x, y, z, cmap='RdBu', vmin=z_min, vmax=z_max)
ax.set_title('pcolormesh')
# set the limits of the plot to the limits of the data
ax.axis([x.min(), x.max(), y.min(), y.max()])
fig.colorbar(c, ax=ax)

plt.show()

带有参数interpolation='nearest'和cmap='hot'的imshow()函数应该能满足你的需要。

请查看插值参数细节，并参见imshow和图像反锯齿插值。

import matplotlib.pyplot as plt
import numpy as np

a = np.random.random((16, 16))
plt.imshow(a, cmap='hot', interpolation='nearest')
plt.show()

下面是如何从csv中做到这一点:

import numpy as np
import matplotlib.pyplot as plt
from scipy.interpolate import griddata

# Load data from CSV
dat = np.genfromtxt('dat.xyz', delimiter=' ',skip_header=0)
X_dat = dat[:,0]
Y_dat = dat[:,1]
Z_dat = dat[:,2]

# Convert from pandas dataframes to numpy arrays
X, Y, Z, = np.array([]), np.array([]), np.array([])
for i in range(len(X_dat)):
        X = np.append(X, X_dat[i])
        Y = np.append(Y, Y_dat[i])
        Z = np.append(Z, Z_dat[i])

# create x-y points to be used in heatmap
xi = np.linspace(X.min(), X.max(), 1000)
yi = np.linspace(Y.min(), Y.max(), 1000)

# Interpolate for plotting
zi = griddata((X, Y), Z, (xi[None,:], yi[:,None]), method='cubic')

# I control the range of my colorbar by removing data 
# outside of my range of interest
zmin = 3
zmax = 12
zi[(zi<zmin) | (zi>zmax)] = None

# Create the contour plot
CS = plt.contourf(xi, yi, zi, 15, cmap=plt.cm.rainbow,
                  vmax=zmax, vmin=zmin)
plt.colorbar()  
plt.show()

dat的地方。Xyz就是这个形式

x1 y1 z1
x2 y2 z2
...

使用matshow()，它是imshow的包装器，可以为显示矩阵设置有用的默认值。

a = np.diag(range(15))
plt.matshow(a)

https://matplotlib.org/stable/api/_as_gen/matplotlib.axes.Axes.matshow.html

这只是一个包装了imshow的方便函数，用于设置显示矩阵的有用默认值。特别是: 设置原点=‘上’。 设置插值=“最近”。 设置方面=“=”。 蜱被放置在左边和上面。 刻度被格式化以显示整数索引。

对于2d numpy数组，简单地使用imshow()可能会帮助您:

import matplotlib.pyplot as plt
import numpy as np


def heatmap2d(arr: np.ndarray):
    plt.imshow(arr, cmap='viridis')
    plt.colorbar()
    plt.show()


test_array = np.arange(100 * 100).reshape(100, 100)
heatmap2d(test_array)

这段代码生成一个连续的热图。

您可以从这里选择另一个内置的颜色地图。

这是一个新的python包，可以在python中使用不同类型的行/列注释绘制复杂的热图:https://github.com/DingWB/PyComplexHeatmap