Python中plt.imshow绘制热图设置对数轴后图像不显示的问题

问题描述 #

使用plt.imshow()绘制热图时，希望将X、Y轴设置为对数刻度，但设置后热图无法显示，仅呈现空白块（已确认数据矩阵无≤0值），移除对数轴设置则图像正常显示。数据来自实验CSV文件：首行是X轴“Concentration（浓度）”值，首列是Y轴“velocity（速度）”值，其余为对应测量值矩阵。

错误分析 #

1. 语法错误：plt.xticks(range(len(x_axis), x_axis))存在括号匹配错误，正确写法应为plt.xticks(range(len(x_axis)), x_axis)。
2. 核心逻辑错误：plt.imshow()默认基于整数索引坐标绘制（x/y轴范围是0到数据维度-1），直接设置对数刻度会将这些小索引值压缩到趋近于0的区域，导致热图像素块被挤到角落，视觉上呈现空白。
3. 冗余操作冲突：同时设置origin='lower'和plt.gca().invert_yaxis()会导致Y轴方向混乱，二者只需保留一个。

解决办法 #

方法1：改用pcolormesh（推荐） #

pcolormesh支持直接传入真实的X、Y轴数值，天然适配对数轴设置，逻辑更直观：

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

# 读取数据
data = pd.read_csv('data_file.csv', header=None)

def get_data_array(data):
    data_array = np.array(data)
    x_axis = data_array[0,1:].astype(float)  # 确保转为数值类型
    y_axis = data_array[1:,0].astype(float)
    result_data = data_array[1:, 1:].astype(float)
    return x_axis, y_axis, result_data

x_axis, y_axis, values = get_data_array(data)

# 绘制热图
plt.figure(figsize=(8,6))
# 生成网格（pcolormesh需要二维网格）
X, Y = np.meshgrid(x_axis, y_axis)
plt.pcolormesh(X, Y, values, cmap='YlOrRd')

# 设置坐标轴
plt.xlabel('Concentration')
plt.ylabel('Velocity')
plt.xscale('log')
plt.yscale('log')

# 颜色条
cbar = plt.colorbar(format="%1.1e")
cbar.set_label('Colorbar Label')

plt.show()

方法2：修复imshow的坐标轴映射 #

如果坚持使用imshow，需要手动将真实的对数刻度映射到索引坐标上：

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

# 读取数据（同方法1）
data = pd.read_csv('data_file.csv', header=None)

def get_data_array(data):
    data_array = np.array(data)
    x_axis = data_array[0,1:].astype(float)
    y_axis = data_array[1:,0].astype(float)
    result_data = data_array[1:, 1:].astype(float)
    return x_axis, y_axis, result_data

x_axis, y_axis, values = get_data_array(data)

# 绘制热图
plt.figure(figsize=(8,6))
plt.imshow(values, cmap='YlOrRd', origin='lower', extent=[np.min(x_axis), np.max(x_axis), np.min(y_axis), np.max(y_axis)])

# 设置坐标轴刻度和对数缩放
plt.xlabel('Concentration')
plt.ylabel('Velocity')
plt.xscale('log')
plt.yscale('log')
# 设置自定义刻度（可选，让刻度显示原始数据值）
plt.xticks(x_axis, x_axis)
plt.yticks(y_axis, y_axis)

# 颜色条
cbar = plt.colorbar(format="%1.1e")
cbar.set_label('Colorbar Label')

plt.show()

注意：如果需要对颜色值做对数变换，直接对values做np.log(values)即可，和坐标轴的对数缩放是独立操作，按需选择。

内容的提问来源于stack exchange，提问作者IC_S