在Matplotlib中仅绘制热力图的上/下三角

在数据可视化领域，热力图无疑是一种流行的图表类型。对于一维或二维的数据，热力图能够清晰的呈现数据分布的情况。然而，有时候我们只需要展示数据的部分内容，比如仅绘制热力图的上半部分或下半部分。本文将介绍如何用Matplotlib实现仅绘制热力图的上/下三角。

示例数据

我们使用一个简单的数据集，其中每个标签对应的的权值在0到1之间：

import numpy as np

data = np.random.rand(5, 5)
labels = ['A', 'B', 'C', 'D', 'E']

绘制一个默认的热力图的代码：

import matplotlib.pyplot as plt

fig, ax = plt.subplots()
heatmap = ax.pcolor(data)

# 热力图的颜色选项
heatmap.set_cmap('YlOrBr')

# 列的标签对齐到中心
ax.set_xticks(np.arange(data.shape[0])+0.5, minor=False)
ax.set_yticks(np.arange(data.shape[1])+0.5, minor=False)

# 用标签代替数字
ax.set_xticklabels(labels, minor=False)
ax.set_yticklabels(labels, minor=False)

# 隐藏坐标轴
ax.xaxis.tick_top()
ax.invert_yaxis()

plt.show()

绘制上半部分的热力图

我们通过掩码的方式，仅显示热力图的上半部分。首先，我们定义一个上三角掩码矩阵，其下三角为0，上三角为1.

mask = np.zeros_like(data)
mask[np.triu_indices_from(mask)] = True

我们用numpy的triu_indices_from函数，从一个矩阵中生成上三角元素的坐标。然后将对应的元素值设为1。

接下来在绘制热力图时，设置这个掩码矩阵。

heatmap = ax.pcolor(data, mask=mask)

完整上半部分代码：

import numpy as np
import matplotlib.pyplot as plt

# 数据
data = np.random.rand(5, 5)
labels = ['A', 'B', 'C', 'D', 'E']

# 上三角掩码
mask = np.zeros_like(data)
mask[np.triu_indices_from(mask)] = True

# 绘制图表
fig, ax = plt.subplots()
heatmap = ax.pcolor(data, mask=mask)

# 颜色选项
heatmap.set_cmap('YlOrBr')

# 列的标签对齐到中心
ax.set_xticks(np.arange(data.shape[0])+0.5, minor=False)
ax.set_yticks(np.arange(data.shape[1])+0.5, minor=False)

# 用标签代替数字
ax.set_xticklabels(labels, minor=False)
ax.set_yticklabels(labels, minor=False)

# 隐藏坐标轴
ax.xaxis.tick_top()
ax.invert_yaxis()

plt.show()

绘制下半部分的热力图

绘制下半部分的热力图，可以用和上半部分相同的方法。我们只需要把上三角掩码变成下三角，即可。

mask = np.zeros_like(data)
mask[np.tril_indices_from(mask)] = True

注意此处，我们用的是tril_indices_from函数，从一个矩阵中生成下三角元素的坐标。然后将对应的元素值设为1。

完整下半部分代码：

import numpy as npimport matplotlib.pyplot as plt

# 数据
data = np.random.rand(5, 5)
labels = ['A', 'B', 'C', 'D', 'E']

# 下三角掩码
mask = np.zeros_like(data)
mask[np.tril_indices_from(mask)] = True

# 绘制图表
fig, ax = plt.subplots()
heatmap = ax.pcolor(data, mask=mask)

# 颜色选项
heatmap.set_cmap('YlOrBr')

# 列的标签对齐到中心
ax.set_xticks(np.arange(data.shape[0])+0.5, minor=False)
ax.set_yticks(np.arange(data.shape[1])+0.5, minor=False)

# 用标签代替数字
ax.set_xticklabels(labels, minor=False)
ax.set_yticklabels(labels, minor=False)

# 隐藏坐标轴
ax.xaxis.tick_top()
ax.invert_yaxis()

plt.show()