Python绘制热力图的两种实现方法

橘子海

发布时间：2026-10-13 | 6人浏览过

原创

本文介绍Python中绘制热力图的两种常用方法。第一种使用pyheatmap库，通过生成随机坐标数据快速生成点击图和热图；第二种基于matplotlib，利用LogNorm对大规模网格数据进行对数归一化渲染，展示高密度分布。代码包含完整示例及运行结果说明，适合需要快速可视化空间分布或密度数据的开发者参考。

本文通过具体实例展示如何在Python中绘制热力图，供读者参考学习。

基于pyheatmap的基础热力图绘制

示例一展示了基于pyheatmap库的基础用法。


# -*- coding: utf-8 -*-
from pyheatmap.heatmap import HeatMap
import numpy as np
N = 10000
X = np.random.rand(N) * 255  # [0, 255]
Y = np.random.rand(N) * 255
data = []
for i in range(N):
  tmp = [int(X[i]), int(Y[i]), 1]
  data.append(tmp)
heat = HeatMap(data)
heat.clickmap(save_as="1.png") #点击图
heat.heatmap(save_as="2.png") #热图

以下是该示例的运行结果截图。

基于matplotlib的高级密度图绘制

示例二演示了使用matplotlib库绘制更复杂的热力图或密度图。

目标：绘制如下的 hotmap 或者 density-map ，把坐标和hot-value或者density-value替换为自己的数据，稍微改进就可以绘制相当不错的热力图（密度图）。


import matplotlib.pyplot as plt
import matplotlib.cm as cm
from matplotlib.colors import LogNorm
import numpy as np
x, y = np.random.rand(10), np.random.rand(10)
z = (np.random.rand(9000000)+np.linspace(0,1, 9000000)).reshape(3000, 3000)
plt.imshow(z+10, extent=(np.amin(x), np.amax(x), np.amin(y), np.amax(y)),
    cmap=cm.hot, norm=LogNorm())
plt.colorbar()
plt.show()

更多关于Python相关内容感兴趣的读者可查看本站专题：《Python数学运算技巧总结》、《Python数据结构与算法教程》、《Python函数使用技巧总结》、《Python字符串操作技巧汇总》及《Python入门与进阶经典教程》

希望本文所述对大家Python程序设计有所帮助。