Python 为什么热图颜色值显示为薄矩形条而不是正方形？

如何改进此热图的外观？为什么颜色值显示为薄矩形条带（中间有所有的空白）而不是正方形，或者这是根据数据文件通常发生的情况？这不是热图应该是什么样子

读这本书。您所要做的就是添加

square=True

关键字。默认情况下，此选项设置为False

在引擎盖下，seaborn正在调用

matplotlib.pyplot.imshow

，使用square关键字只设置

Axes.set\u aspect（'equal'）

。如果使用

square=True

效果太过极端，您可以尝试手动设置纵横比：

ax.set\u aspect（num）

其中

num

是一个描述生成矩形的高宽比的数字。

请阅读。您所要做的就是添加

square=True

关键字。默认情况下，此选项设置为False

---

在引擎盖下，seaborn正在调用

matplotlib.pyplot.imshow

，使用square关键字只设置

Axes.set\u aspect（'equal'）

。如果使用

square=True

效果太过极端，您可以尝试手动设置纵横比：

ax.set\u aspect（num）

其中

num

是一个描述结果矩形的高宽比的数字。

您的数据看起来像什么？看起来您的数据集中缺少了很多x/y组合…我已经编辑了这些数据…请看一看…如果是这样的数据，应该使用什么来进行可视化表示？正如我所想，您的透视表主要由缺少的值组成-您在这里试图实现什么？我不认为问题出在热图上…看看Bokeh-这对你来说可能很有趣…你的数据是什么样的？看起来您的数据集中缺少了很多x/y组合…我已经编辑了这些数据…请看一看…如果是这样的数据，应该使用什么来进行可视化表示？正如我所想，您的透视表主要由缺少的值组成-您在这里试图实现什么？我不认为问题出在热图上……看看Bokeh的文章——这对你来说可能很有趣……检查和

square=True

讨论；）不幸的是，这就是热图的本质。然而，我简要地编辑了答案，描述了如何手动调整纵横比。我认为主要的OPs问题是数据量。。。有了一张热图，你可以画出所有的东西，没有重叠，这对这个DF来说太多了。我会选择不同颜色的散点图（比如Bokeh的颜色散点图）——我想它看起来会更好。不幸的是，Dropbox被我们的公司防火墙屏蔽了，所以我在回家之前无法下载OPs数据，之后我会尝试一下…@MaxU我认为OP只是试图以最简单的方式制作热图，而不是热图不适合这种数据量/数据类型/数据维度。事实上，我认为热图（2D柱状图）比散点图要好得多，尤其是当有大量数据存在显著重叠时。OP可以通过沿x轴适当分块来实现更好的纵横比，因此视觉清晰度更好。如果您可以利用大量数据制作的热图制作一个工作示例（或提供链接），这将非常有用。请查看和

square=True

讨论；）不幸的是，这就是热图的本质。然而，我简要地编辑了答案，描述了如何手动调整纵横比。我认为主要的OPs问题是数据量。。。有了一张热图，你可以画出所有的东西，没有重叠，这对这个DF来说太多了。我会选择不同颜色的散点图（比如Bokeh的颜色散点图）——我想它看起来会更好。不幸的是，Dropbox被我们的公司防火墙屏蔽了，所以我在回家之前无法下载OPs数据，之后我会尝试一下…@MaxU我认为OP只是试图以最简单的方式制作热图，而不是热图不适合这种数据量/数据类型/数据维度。事实上，我认为热图（2D柱状图）比散点图要好得多，尤其是当有大量数据存在显著重叠时。OP可以通过沿x轴进行适当的分块来实现更好的纵横比，从而实现视觉清晰度。如果您可以利用大量数据制作的热图制作一个工作示例（或提供链接），这将非常有用

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
sns.set(color_codes=True)
np.random.seed(sum(map(ord, "distributions")))

data = pd.read_csv('dvAng_heatmap.dat',sep='\s',engine='python')
data2 = pd.pivot_table(data.round(2),values='k',index='g',columns='h')

mask = np.isnan(data2)

sns.set(style="white")

xtics = 20
ytics = 10
cmap = "jet"
vmin = None
vmax = None

ax = sns.heatmap(data2, xticklabels=xtics, yticklabels=ytics, mask=mask, linewidths=0, cbar=True, robust=False,cmap=cmap, vmin=vmin, vmax=vmax)

ax.invert_yaxis()

plt.title('Heatmap')
plt.xlabel('angle')
plt.ylabel('separation')

plt.savefig('Heatmap.png', transparent=True)

sns.plt.show()