Python：（Seaborn？）来自不规则网格的热图

假设我有两个给定的网格（例如，测量数据）：

• 网格_1的范围为

  x=（-10…10）；y=（-10…10）

  步长为1
• 网格2的范围为

  x=（-30…-10）和x=（10…30）；
  y=（-30…-10）&y=（10…30）

  步长为5，因此它有一个 网格的大小为1
• 我还为两个网格的每对

  xi，yi

  提供了z值（

  'dose'

  ） 两个数据集都以表格的形式呈现，有三列

  x，y，dose

我尝试使用seaborn的heatmap（）函数绘制此数据的热图表示：

dm1 = df1.pivot('y', 'x', 'dose')
opts = {'cmap': 'YlGnBu_r'}
ax = sns.heatmap(dm1, **opts)
ax.invert_yaxis()
plt.savefig('dosemap-test-smooth.pdf')

绘制两个相互独立的网格效果很好，但将它们绘制在一起会破坏热图的组合（？）。 所以我的问题是：如何使用python绘制这种“不规则”分布数据的热图（-like）表示法

---

提前感谢您的帮助

您能提供示例数据吗？我想我会研究scipy插值工具，它可以帮助您将数据集重新采样到同一个网格上。@IanS:可以在[此处]（mz02D）和中找到两个数据样本@mwaskom：你能告诉我我可以使用哪些

scipy.interp

工具来实现这一点吗？因为我在使用

interp2d（）和`griddata（）时遇到了一些问题
dm2 = df2.pivot('y', 'x', 'dose')
ax = sns.heatmap(dm2, **opts)
ax.invert_yaxis()
plt.savefig('dosemap-test-coarse.pdf')

df = df1.append(df2)
dm = df.pivot('y', 'x', 'dose')
ax = sns.heatmap(dm2, **opts)
ax.invert_yaxis()
plt.savefig('dosemap-test-total.pdf')