原文：https://blog.csdn.net/du_shuang/article/details/84111250
热图（heatmap）是数据分析的常用方法，通过色差、亮度来展示数据的差异、易于理解。Python在Matplotlib库中，调用imshow()函数实现热图绘制。
参考资料：http://matplotlib.org/users/image_tutorial.html
源码介绍如下图所示：
imshow(X, cmap=None, norm=None, aspect=None, interpolation=None, alpha=None, vmin=None, vmax=None, origin=None, extent=None, shape=None, filternorm=1, filterrad=4.0, imlim=None, resample=None, url=None, hold=None, data=None, **kwargs)
其中，X变量存储图像，可以是浮点型数组、unit8数组以及PIL图像，如果其为数组，则需满足一下形状：
(1) M*N 此时数组必须为浮点型，其中值为该坐标的灰度；
(2) M*N*3 RGB（浮点型或者unit8类型）
(3) M*N*4 RGBA（浮点型或者unit8类型）
下面这段代码是一个简单的实例：
# coding=utf-8 from matplotlib import pyplot as plt X = [[1,2],[3,4],[5,6]] plt.imshow(X) plt.show()
输出如下图所示：
Colorbar：增加颜色类标的代码是plt.colorbar()，代码如下：
#coding=utf-8 from matplotlib import pyplot as plt X = [[1,2],[3,4],[5,6]] plt.imshow(X) plt.colorbar() plt.show()
运行结果如下图所示，其中左上角颜色为蓝色，对应值为1；右下角颜色为深红色，对应值为6。它是按照矩阵X进行颜色分布的。
[1, 2] [深蓝, 浅蓝]
[3, 4] [淡绿, 黄色]
[5, 6] [橙红, 深红]
plt.colorbar(cax=None,ax=None,shrink=0.5)可设置Bar为一半长度。
Colormap：参数cmap用于设置热图的Colormap。（参考百度百科）
Colormap是MATLAB里面用来设定和获取当前色图的函数，可以设置如下色图：
hot 从黑平滑过度到红、橙色和黄色的背景色，然后到白色。
cool 包含青绿色和品红色的阴影色。从青绿色平滑变化到品红色。
gray 返回线性灰度色图。
bone 具有较高的蓝色成分的灰度色图。该色图用于对灰度图添加电子的视图。
white 全白的单色色图。
spring 包含品红和黄的阴影颜色。
summer 包含绿和黄的阴影颜色。
autumn 从红色平滑变化到橙色，然后到黄色。
winter 包含蓝和绿的阴影色。
下面这段代码是显示原图、灰度（gray）、和春夏秋冬的示例。
#coding=utf-8 from matplotlib import pyplot as plt X = [[1,2],[3,4]] fig = plt.figure() ax = fig.add_subplot(231) ax.imshow(X) ax = fig.add_subplot(232) ax.imshow(X, cmap=plt.cm.gray) #灰度 ax = fig.add_subplot(233) im = ax.imshow(X, cmap=plt.cm.spring) #春 plt.colorbar(im) ax = fig.add_subplot(234) im = ax.imshow(X, cmap=plt.cm.summer) plt.colorbar(im, cax=None, ax=None, shrink=0.5) #长度为半 ax = fig.add_subplot(235) im = ax.imshow(X, cmap=plt.cm.autumn) plt.colorbar(im, shrink=0.5, ticks=[-1,0,1]) ax = fig.add_subplot(236) im = ax.imshow(X, cmap=plt.cm.winter) plt.colorbar(im, shrink=0.5) plt.show()
运行结果如下图所示：
通常图片都是由RGB组成，一块一块的，详见我的数字图像处理系列博客，这里想把某块显示成一种颜色，则需要调用interpolation='nearest'参数即可，代码如下：
#coding=utf-8 from matplotlib import pyplot as plt X = [[0, 0.25], [0.5, 0.75]] fig = plt.figure() ax = fig.add_subplot(121) im = ax.imshow(X, cmap=plt.get_cmap('hot')) plt.colorbar(im, shrink=0.5) ax = fig.add_subplot(122) im = ax.imshow(X, cmap=plt.get_cmap('hot'), interpolation='nearest', vmin=0, vmax=1) plt.colorbar(im, shrink=0.2) plt.show()
运行结果如下图所示：
推荐文章：matplotlib imshow - default colour normalisation
默认情况下，imshow将数据标准化为最小和最大值。 您可以使用vmin和vmax参数或norm参数来控制（如果您想要非线性缩放）。
百度经验提供一段代码，也不错，推荐大家学习。
注意：相当于在A~J和a~j的图像矩阵中，产生10*10的随机数，对矩阵进行颜色填充；只是在填充过程中，选择随机数的最大值和最小值进行标准化处理。
# coding=utf-8 import numpy as np from matplotlib import pyplot as plt from matplotlib import cm from matplotlib import axes def draw_heatmap(data,xlabels,ylabels): #cmap=cm.Blues cmap=cm.get_cmap('rainbow',1000) figure=plt.figure(facecolor='w') ax=figure.add_subplot(1,1,1,position=[0.1,0.15,0.8,0.8]) ax.set_yticks(range(len(ylabels))) ax.set_yticklabels(ylabels) ax.set_xticks(range(len(xlabels))) ax.set_xticklabels(xlabels) vmax=data[0][0] vmin=data[0][0] for i in data: for j in i: if j>vmax: vmax=j if j<vmin: vmin=j map=ax.imshow(data,interpolation='nearest',cmap=cmap,aspect='auto',vmin=vmin,vmax=vmax) cb=plt.colorbar(mappable=map,cax=None,ax=None,shrink=0.5) plt.show() a=np.random.rand(10,10) print a xlabels=['A','B','C','D','E','F','G','H','I','J'] ylabels=['a','b','c','d','e','f','g','h','i','j'] draw_heatmap(a,xlabels,ylabels)
运行结果如下图所示：
最后希望这篇文章对你有所帮助，该篇文章的重点知识不是画图，而是后续的研究：
1.如何通过热图来描绘人类动力学兴趣转换点；
2.图像处理感兴趣的同学，会通过imshow()处理相关知识；
3.用热图颜色表示差异，体现矩阵数据的关注点。
同时推荐大家阅读电子科技大学，赵志丹老师的博士论文《人类行为时空特性的分析建模及动力学研究》，下一篇文章我将简单讲述人类时空分析及结合Python绘图简单介绍。因为最近研究这方面知识，希望对你有所帮助，如果文章存在错误或不足之处，还请海涵。
真的好忙啊，都没时间做很多自己喜欢的事情，写文也是，但每当想起你，我这张丑脸上总会泛起微笑。加油，秀璋。娜娜，晚安！