使用 Matplotlib 绘制圆形温度热图：插值与优化

霞舞

发布时间：2025-08-14 17:50:23

975人浏览过

来源于php中文网

原创

使用 matplotlib 绘制圆形温度热图：插值与优化

本文档旨在指导读者使用 Matplotlib 绘制圆形温度热图。针对数据稀疏导致的热图形状失真问题，我们将介绍如何通过添加角点数据来改善插值效果，从而获得更准确的圆形温度分布可视化结果。内容涵盖数据准备、插值算法选择、圆形遮罩应用以及自定义颜色映射等关键步骤，助您轻松创建专业的热图。

数据准备

首先，我们需要准备包含坐标 (x, y) 和温度值的 CSV 数据文件。确保数据格式正确，例如：

| x | y | temp|
| -140 | 0 | 397.32 |
| -100 | 90 | 396.76 |
| -100 | -90 | 396.34 |
| -70 | 0 | 396 |
| -50 | 44 | 395.34 |
| -50 | -44 | 395.57 |
| 0 | 140 | 396.37 |
| 0 | 70 | 395.82 |
| 0 | 0 | 393.52 |
| 0 | -70 | 393.52 |
| 0 | -140 | 395.61|
| 50 | 44 | 395.82 |
| 50 | -44 | 394.08 |
| 50 | -44 | 394.08 |
| 70 | 0 | 394.62 |
| 100 | 90 | 395.79 |
| 100 | -90 | 395.25 |
| 140 | 0 | 396.12 |

关键步骤： 为了解决热图呈现八边形而非圆形的问题，我们需要在数据集中添加位于图像四个角点的数据。这有助于插值算法在整个区域内生成更准确的温度分布。例如，可以添加以下数据：

| x | y | temp|
| -150 | -150 | 398 |
| 150 | 150 | 398 |
| 150 | -150 | 398 |
| -150 | 150 | 398 |

请根据实际情况调整角点温度值。

Voicepods

Voicepods是一个在线文本转语音平台，允许用户在30秒内将任何书面文本转换为音频文件。

下载

代码实现

以下是使用 Matplotlib 绘制圆形温度热图的完整代码：

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from scipy.interpolate import griddata
from matplotlib.colors import LinearSegmentedColormap

# Load temperature data from CSV file
file_path = 'tcdata.csv'
data = pd.read_csv(file_path)

# Extract coordinates and temperatures from the data
x = data['x']
y = data['y']
temperatures = data['temp']

# Set the radius for the circle
radius = 150

# Create a grid for interpolation
grid_x, grid_y = np.mgrid[-radius:radius:300j, -radius:radius:300j]

# Interpolate the temperature data over the grid
grid_temperatures = griddata((x, y), temperatures, (grid_x, grid_y), method='cubic')

# Create a circular mask to limit the heatmap within the circle
mask = np.sqrt(grid_x**2 + grid_y**2) > radius
grid_temperatures = np.ma.masked_where(mask, grid_temperatures)

# Create a custom color map: blue for the lowest, red for the highest, and green for intermediate temperatures
cmap = LinearSegmentedColormap.from_list('custom_heatmap', ['blue', 'green', 'red'], N=256)

# Plot the heatmap
plt.figure(figsize=(8, 6))
plt.imshow(grid_temperatures.T, extent=(-radius, radius, -radius, radius), origin='lower', cmap=cmap)
plt.colorbar(label='Temperature (°C)')

# Set the title
plt.title('Circular Temperature Distribution Heatmap')

# Disable the grid
plt.grid(False)

# Display the plot
plt.show()

代码详解：

导入必要的库： 导入 pandas 用于数据读取，numpy 用于数值计算，matplotlib.pyplot 用于绘图，scipy.interpolate 用于数据插值，matplotlib.colors 用于自定义颜色映射。
加载数据： 使用 pandas.read_csv 函数从 CSV 文件中加载数据。
提取数据： 从加载的数据中提取 x 坐标、y 坐标和温度值。
设置半径： 定义圆形区域的半径。
创建网格： 使用 numpy.mgrid 函数创建一个二维网格，用于插值。
数据插值： 使用 scipy.interpolate.griddata 函数对温度数据进行插值。 method='cubic' 指定使用三次样条插值，可以根据数据特点选择其他插值方法，如 linear 或 nearest。
创建圆形遮罩： 创建一个圆形遮罩，用于限制热图的显示区域。
应用遮罩： 使用 numpy.ma.masked_where 函数将遮罩应用于插值后的温度数据。
自定义颜色映射： 使用 matplotlib.colors.LinearSegmentedColormap.from_list 函数创建一个自定义的颜色映射，其中蓝色代表最低温度，红色代表最高温度，绿色代表中间温度。
绘制热图： 使用 matplotlib.pyplot.imshow 函数绘制热图。 extent 参数设置图像的范围，origin='lower' 将原点设置在左下角，cmap 参数指定使用的颜色映射。
添加颜色条： 使用 matplotlib.pyplot.colorbar 函数添加颜色条，用于显示温度与颜色的对应关系。
设置标题： 使用 matplotlib.pyplot.title 函数设置图表标题。
禁用网格： 使用 matplotlib.pyplot.grid(False) 函数禁用网格线。
显示图像： 使用 matplotlib.pyplot.show 函数显示图像。