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别有用，其中矩阵的对称性质使得显示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。在许多情况下，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，则可能是多余的，并且会使可视化变得混乱。通过只绘制一个三角形，我们可以使热图更清晰，更容易解释。

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函数显示它。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。

import numpy as np
import matplotlib.pyplot as plt

2.生成随机数据

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。

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

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。此函数生成一个下三角矩阵，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。

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

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。

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

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。

plt.figure(figsize=(8, 6))# Plot lower triangle heatmap
plt.subplot(1, 2, 1)
plt.title("Lower Triangle Heatmap")
plt.imshow(masked_data_lower, interpolation='nearest', cmap='viridis')
plt.colorbar()# Plot upper triangle heatmap
plt.subplot(1, 2, 2)
plt.title("Upper Triangle Heatmap")
plt.imshow(masked_data_upper, interpolation='nearest', cmap='viridis')
plt.colorbar()plt.tight_layout()
plt.show()

仅绘制热图的上三角形：实际示例

1.示例：绘制相关矩阵

让我们考虑一个实际的例子，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。

import pandas as pddf = pd.DataFrame({'A': np.random.rand(10),'B': np.random.rand(10),'C': np.random.rand(10),'D': np.random.rand(10),'E': np.random.rand(10)
})# Calculate correlation matrix
corr_matrix = df.corr()# Create upper triangle mask
mask = np.triu(np.ones_like(corr_matrix, dtype=bool))# Apply mask to the correlation matrix
masked_corr = np.ma.array(corr_matrix, mask=mask)plt.figure(figsize=(8, 6))
plt.title("Upper Triangle Correlation Matrix")
plt.imshow(masked_corr, interpolation='nearest', cmap='coolwarm', vmin=-1, vmax=1)
plt.colorbar()
plt.xticks(range(len(corr_matrix.columns)), corr_matrix.columns, rotation=90)
plt.yticks(range(len(corr_matrix.columns)), corr_matrix.columns)
plt.show()

2.示例：使用Seaborn绘制上三角热图

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

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，更易于解释，特别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，您可以轻松实现此效果。