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。
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。
注意事项
- 数据质量： 插值结果的准确性高度依赖于原始数据的质量。 确保数据准确无误，并尽可能增加数据点的数量，特别是在关键区域。
- 插值方法选择： 不同的插值方法适用于不同的数据分布。 三次样条插值通常能提供较平滑的结果，但计算量较大。 可以根据实际情况选择合适的插值方法。
- 颜色映射调整： 自定义颜色映射可以更直观地展示温度分布。 可以根据需要调整颜色映射的颜色范围和颜色数量。
- 半径设置： 半径参数决定了圆形热图的大小。 请根据实际数据范围进行调整。
总结
通过添加角点数据并使用适当的插值方法，我们可以使用 Matplotlib 绘制出更准确、更美观的圆形温度热图。 本教程提供了一个基本框架，您可以根据实际需求进行修改和扩展，例如添加等高线、调整颜色映射、以及集成到更复杂的分析流程中。
