如何将结果矩阵与置信区间矩阵合并为带±符号的可视化矩阵？

完全可以把两个矩阵合并到同一张热图里，核心思路是自定义热图的标注文本，把对应位置的结果值和置信区间拼接成「数值±CI」的格式，再让Seaborn热图用结果矩阵控制颜色，同时显示拼接后的标注。

完整实现代码 #

import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns

# 生成示例数据（模拟你的结果矩阵和CI矩阵）
np.random.seed(42)  # 固定随机种子方便复现
x, y = np.random.rand(2, 1000) * 1
# 结果矩阵
hist, xedges, yedges = np.histogram2d(x, y, bins=10, range=[[0, 1], [0, 1]])
# CI矩阵（实际使用时替换成你的真实CI矩阵即可）
hist_ci, _, _ = np.histogram2d(np.random.rand(1000), np.random.rand(1000), bins=10, range=[[0, 1], [0, 1]])

# 格式化坐标轴刻度
xedges = np.round(xedges, 2)
yedges = np.round(yedges, 2)

# 创建标注文本矩阵：每个单元格为「结果±CI」格式，可调整小数位数控制显示整洁度
annot_text = np.vectorize(lambda val, ci: f"{val:.1f}±{ci:.1f}")(hist.T, hist_ci.T)

# 绘制热图
fig, ax = plt.subplots(figsize=(12, 10))
ax = sns.heatmap(
    hist.T,  # 用结果矩阵控制热图颜色
    annot=annot_text,  # 传入自定义的标注文本
    fmt='',  # 关键：已提前生成格式化文本，无需再用fmt解析
    linewidths=0.5, 
    linecolor='b', 
    center=True,
    annot_kws={"size": 10}  # 调整标注字体大小，避免单元格拥挤
)

# 设置坐标轴刻度
ax.set_xticks(np.arange(len(xedges)), xedges)
ax.set_yticks(np.arange(len(yedges)), yedges, rotation=0)
ax.set(title='Results with Confidence Intervals')
ax.invert_yaxis()

plt.show()

关键细节说明 #

• 自定义标注文本：用np.vectorize遍历两个矩阵的对应元素，拼接成指定格式的字符串，:.1f可根据需求调整小数位数（比如.2f显示两位小数）。
• fmt=''：Seaborn的annot默认会用fmt参数格式化数值，但我们已提前生成文本，所以设为空字符串避免解析出错。
• 热图颜色依据：hist.T作为heatmap的输入数据，热图颜色会基于结果矩阵的数值变化；若想让颜色基于CI矩阵，替换成hist_ci.T即可。
• 字体大小调整：通过annot_kws={"size": 10}调整标注字体，适配10x10矩阵的单元格尺寸。

内容的提问来源于stack exchange，提问作者Alex