使用Matplotlib/Python显示带有透明度的“热图”图像

Question

我正在尝试绘制一些数据来进行分析。

我的数据定义如下：

class Data(object):
    def __init__(self, rows=200, cols=300):
        """
        The Data constructor
        """
        # The data grid
        self.cols = cols
        self.rows = rows
        # The 2D data structure
        self.data = numpy.zeros((rows, cols), float)

一开始，我使用了这个方法：

  def generate_data_heat_map(data, x_axis_label, y_axis_label, plot_title, file_path):
    plt.figure()
    plt.title(plot_title)
    fig = plt.imshow(data.data, extent=[0, data.cols, data.rows, 0])
    plt.xlabel(x_axis_label)
    plt.ylabel(y_axis_label)
    plt.colorbar(fig)
    plt.savefig(file_path + '.png')
    plt.close()

这个方法给了我一个热图的效果（第二张图），因为我传入的是一个MxN的[亮度（灰度，只有浮点数组）]。我不知道为什么这没有生成灰度图，但到目前为止我并没有太在意，因为这是我想要的结果。

经过一些计算后，我有了这个方法来可视化我的数据，使用data_property作为RGB，data_uncertaity作为透明度：

def generate_data_uncertainty_heat_map(data_property, data_uncertainty, x_axis_label, y_axis_label, plot_title, file_path):
    plt.figure()
    uncertainty = numpy.zeros((data_property.rows, data_property.cols, 4))
    uncertainty[..., :3] = data_property.data[..., numpy.newaxis]
    uncertainty[..., 3] = data_uncertainty.data
    plt.title(plot_title)
    fig = plt.imshow(uncertainty.data, extent=[0, data_property.cols, data_property.rows, 0])
    plt.xlabel(x_axis_label)
    plt.ylabel(y_axis_label)
    plt.colorbar(fig)
    plt.savefig(file_path + '.png')
    plt.close()

当然，这样得到的图是灰度图，带有透明度值，因为我对红、绿、蓝的值都是重复的。但我真正想要的是第一种方法的结果（有颜色的），同时带有根据数据的不确定性计算出的透明度值。

我注意到我的颜色条也没有显示我的数据（它是RGB的，我不能用它来分析我的数据）

我不知道怎么才能得到我想要的结果，也就是有一个“热图”，并且将用我的uncertainty_data定义的透明度值合并在一起，同时有一个表示这种不确定性的颜色条。就像合并上面这两张图：

这是我的颜色：

这是我的透明度：

根据@BlazBratanic提供的转换，我想我能看到一点颜色（不太确定），但远远没有达到我的预期。

我的所有值都在0.0到1.0之间。

提前谢谢你。

Answer 1

如果我理解这个问题没错的话，按照我现在用的matplotlib版本（3.7.1），我可以直接使用一个叫做alpha的参数，它可以接受二维数组。所以可以这样写：

plt.imshow(data_array, ... ,alpha = alpha_array)

一个最小可运行示例（MWE）可以是：

import numpy
import matplotlib.pyplot as plt

mat = numpy.zeros((150,150))
mat[:,3] = 1
mat[:,45] = 1 #two vertical lines

counts = numpy.tile(numpy.array(list(range(1,151))).reshape(-1,1),[1,150])
counts = counts/numpy.max(counts) # alpha that increases linearly

plt.imshow(mat, cmap = 'binary', alpha = counts)
plt.show()

Answer 2

使用 Matplotlib 的 cm 模块 可以把你的灰度值转换成颜色值。如果我没记错的话，“jet”是默认的颜色映射方案。所以你可以这样做：

uncertainty = plt.cm.jet(data_property.data)
uncertainty[..., 3] = data_uncertainty.data