如何在Python中绘制给定函数的热图
我有一个名为如何在Python中绘制给定函数的热图,python,matplotlib,heatmap,Python,Matplotlib,Heatmap,我有一个名为func(mu,gamma)的函数。对于mu和gamma的每个组合,函数将返回一个值,我们称之为return\u value 现在我已经为mu和gamma设置了范围: mu = np.linspace(0,1,100) gamma = np.linspace(0,1,100) 现在我们有1e4个组合,每个组合对应一个返回值。我想为返回值绘制热图 我曾尝试在Python中使用pcolor。但是,根据文档中的示例: import matplotlib.pyplot as plt imp
func(mu,gamma)
的函数。对于mu
和gamma
的每个组合,函数将返回一个值,我们称之为return\u value
现在我已经为mu
和gamma
设置了范围:
mu = np.linspace(0,1,100)
gamma = np.linspace(0,1,100)
现在我们有1e4个组合,每个组合对应一个返回值
。我想为返回值
绘制热图
我曾尝试在Python中使用pcolor
。但是,根据文档中的示例:
import matplotlib.pyplot as plt
import numpy as np
# make these smaller to increase the resolution
dx, dy = 0.15, 0.05
# generate 2 2d grids for the x & y bounds
y, x = np.mgrid[slice(-3, 3 + dy, dy),
slice(-3, 3 + dx, dx)]
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()
因为我的脚本中定义的函数fun
无法将数组作为输入,所以它不起作用,如果我按照下面的示例操作,我会收到以下消息:
ValueError: The truth value of an array with more than one element is ambiguous. Use a.any() or a.all()
下面是我的func
代码:
def fun(mu, gamma2):
Isolation_Ratio = []
kappa1 = gamma2
kappa2 = gamma2
gamma1 = gamma2
g0 = gamma2 + kappa2 + gamma1 + kappa1
gammag = kappa1/2. + gamma1/2.
gamma = gamma2/2. + kappa2/2.
for ii in range(len(rangedeltaw)):
deltaw = rangedeltaw[ii]
Forward_delta = forward_delta(mu, deltaw)
Backward_delta = backward_delta(mu, deltaw)
forward_root1, forward_root2, forward_root3 = forward_root(mu, deltaw)
test_D, backward_root1, backward_root2, backward_root3 = backward_root(mu, deltaw)
Root1.append(backward_root1)
Root2.append(backward_root2)
Root3.append(backward_root3)
root1.append(forward_root1)
root2.append(forward_root2)
root3.append(forward_root3)
if Forward_delta >= 0 and Backward_delta >= 0:
a2sq = [max([forward_root1.real, forward_root2.real, forward_root3.real])]
b1sq = [max([backward_root1.real, backward_root2.real, backward_root3.real])]
A2sq.append(max([forward_root1.real, forward_root2.real, forward_root3.real]))
B1sq.append(max([backward_root1.real, backward_root2.real, backward_root3.real]))
for ii in range(len(a2sq)):
for jj in range(len(b1sq)):
Isolation_Ratio.append(kappa2*a2sq[ii]/(kappa1*b1sq[jj]))
elif Forward_delta >= 0 and Backward_delta < 0:
a2sq = [max([forward_root1.real, forward_root2.real, forward_root3.real])]
b1sq = [backward_root1.real]
A2sq.append(max([forward_root1.real, forward_root2.real, forward_root3.real]))
B1sq.append(backward_root1.real)
for ii in range(len(a2sq)):
for jj in range(len(b1sq)):
Isolation_Ratio.append(kappa2*a2sq[ii]/(kappa1*b1sq[jj]))
elif Forward_delta < 0 and Backward_delta >= 0:
a2sq = [forward_root1.real]
b1sq = [max([backward_root1.real, backward_root2.real, backward_root3.real])]
A2sq.append(forward_root1.real)
B1sq.append(max([backward_root1.real, backward_root2.real, backward_root3.real]))
for ii in range(len(a2sq)):
for jj in range(len(b1sq)):
Isolation_Ratio.append(kappa2*a2sq[ii]/(kappa1*b1sq[jj]))
else:
A2sq.append(forward_root1.real)
B1sq.append(backward_root1.real)
Isolation_Ratio.append(kappa2*forward_root1.real/(kappa1*backward_root1.real))
x = Isolation_RangeDeltaw
y = Isolation_Ratio
return max(y)
def-fun(mu,gamma2):
隔离率=[]
kappa1=gamma2
kappa2=gamma2
gamma1=gamma2
g0=gamma2+kappa2+gamma1+kappa1
gammag=kappa1/2+伽玛1/2。
伽马=伽马2/2+kappa2/2。
对于范围内的ii(len(rangedeltaw)):
deltaw=范围deltaw[ii]
前向三角洲=前向三角洲(mu,deltaw)
后向三角洲=后向三角洲(μ,三角洲)
前向根1,前向根2,前向根3=前向根(mu,deltaw)
测试D,向后根1,向后根2,向后根3=向后根(mu,deltaw)
Root1.append(向后\u Root1)
Root2.append(向后_Root2)
Root3.append(向后\u Root3)
root1.追加(前向\u root1)
root2.追加(前向\u root2)
root3.追加(前向\u root3)
如果前向_增量>=0和后向_增量>=0:
a2sq=[max([forward\u root1.real,forward\u root2.real,forward\u root3.real])]
b1sq=[max([backward\u root1.real,backward\u root2.real,backward\u root3.real])]
A2sq.append(最大值([forward\u root1.real,forward\u root2.real,forward\u root3.real]))
B1sq.append(最大值([backward\u root1.real,backward\u root2.real,backward\u root3.real]))
对于范围内的ii(透镜(a2sq)):
对于范围内的jj(len(b1sq)):
隔离比附加(kappa2*a2sq[ii]/(kappa1*b1sq[jj]))
elif前向增量>=0和后向增量<0:
a2sq=[max([forward\u root1.real,forward\u root2.real,forward\u root3.real])]
b1sq=[backward_root1.real]
A2sq.append(最大值([forward\u root1.real,forward\u root2.real,forward\u root3.real]))
B1sq.append(向后_root1.real)
对于范围内的ii(透镜(a2sq)):
对于范围内的jj(len(b1sq)):
隔离比附加(kappa2*a2sq[ii]/(kappa1*b1sq[jj]))
elif前向增量<0和后向增量>=0:
a2sq=[forward_root1.real]
b1sq=[max([backward\u root1.real,backward\u root2.real,backward\u root3.real])]
A2sq.append(前向\根1.real)
B1sq.append(最大值([backward\u root1.real,backward\u root2.real,backward\u root3.real]))
对于范围内的ii(透镜(a2sq)):
对于范围内的jj(len(b1sq)):
隔离比附加(kappa2*a2sq[ii]/(kappa1*b1sq[jj]))
其他:
A2sq.append(前向\根1.real)
B1sq.append(向后_root1.real)
隔离率.append(kappa2*向前根1.real/(kappa1*向后根1.real))
x=隔离度
y=隔离比
返回最大值(y)
首先,如何获取热图fun()
仍然不是自包含的(forward\u delta()
等未定义),因此我无法执行它,并且您没有指定错误发生在哪一行,但我可以猜到违规者是
if Forward_delta >= 0 and Backward_delta >= 0:
这意味着forward_delta()
etc函数与数组一起工作。从外观上看,完全矢量化函数是可能的,但这是一项非常重要的任务,也是一个问题(如果你问过它,请确保做一个)。一个简单但效率较低的解决方案是按值填充热图值:
import matplotlib.pyplot as plt
import numpy
def fun(mu, gamma):
# your function
mu = numpy.linspace(0,1,100)
gamma = numpy.linspace(0,1,100)
# filling the heatmap, value by value
fun_map = numpy.empty((mu.size, gamma.size))
for i in range(mu.size):
for j in range(gamma.size):
fun_map[i,j] = fun(mu[i], gamma[j])
现在您已经有了数组,问题的第二部分是如何绘制它。用于显示离散阵列;更适合你的目的:
fig = plt.figure()
s = fig.add_subplot(1, 1, 1, xlabel='$\\gamma$', ylabel='$\\mu$')
im = s.imshow(
fun_map,
extent=(gamma[0], gamma[-1], mu[0], mu[-1]),
origin='lower')
fig.colorbar(im)
fig.savefig('t.png')
请注意,在数组中,X维度是最后一个(对应于gamma
),但imshow
将X维度放在第一位
一个简单函数的结果
def fun(mu, gamma):
return numpy.sin(mu) + numpy.cos(gamma)
看起来像
因此,首先,如何获得热图
fun()
仍然不是自包含的(forward\u delta()
等未定义),因此我无法执行它,并且您没有指定错误发生在哪一行,但我可以猜到违规者是
if Forward_delta >= 0 and Backward_delta >= 0:
这意味着forward_delta()
etc函数与数组一起工作。从外观上看,完全矢量化函数是可能的,但这是一项非常重要的任务,也是一个问题(如果你问过它,请确保做一个)。一个简单但效率较低的解决方案是按值填充热图值:
import matplotlib.pyplot as plt
import numpy
def fun(mu, gamma):
# your function
mu = numpy.linspace(0,1,100)
gamma = numpy.linspace(0,1,100)
# filling the heatmap, value by value
fun_map = numpy.empty((mu.size, gamma.size))
for i in range(mu.size):
for j in range(gamma.size):
fun_map[i,j] = fun(mu[i], gamma[j])
现在您已经有了数组,问题的第二部分是如何绘制它。用于显示离散阵列;更适合你的目的:
fig = plt.figure()
s = fig.add_subplot(1, 1, 1, xlabel='$\\gamma$', ylabel='$\\mu$')
im = s.imshow(
fun_map,
extent=(gamma[0], gamma[-1], mu[0], mu[-1]),
origin='lower')
fig.colorbar(im)
fig.savefig('t.png')
请注意,在数组中,X维度是最后一个(对应于gamma
),但imshow
将X维度放在第一位
一个简单函数的结果
def fun(mu, gamma):
return numpy.sin(mu) + numpy.cos(gamma)
看起来像
给定函数,您想知道如何绘制热图,还是如何获取热图?在后一种情况下,如果不实际查看其代码,就不可能知道如何向量化
fun()
。我对plot和get之间的区别有点困惑。我想实现的是,例如,我们得到以下形式的数据:[1,2,3],[2,3,4]…前两个用作坐标,第三个是该坐标的值。如果我想在2D中绘制坐标,我想我只能用颜色来表示与该坐标相关的值。获取意味着获取