如何基于坐标与强度数据绘制热力图？

我有三个数组，分别存储x-y坐标和对应的强度值，尝试用seaborn的heatmap绘图，但heatmap仅接受单个数据参数，无法直接按x-y坐标对应强度值J[i]绘制。以下是最小可复现代码：

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

x=np.array([-1, 1, -1, 1, 0, 2, -2, 0, 2, -2, -2, 2])
y=np.array([1, 1, -1, -1, 2, 0, 0, -2, 2, 2, -2, -2])
J=np.array([-0.019, -0.019, -0.019, -0.019, -0.09, -0.09, -0.09, -0.09, 0.012, 0.012, 0.012, 0.012])
sn.heatmap(J.reshape(3,4))
plt.show()

实际需求是根据x[i]、y[i]对应绘制J[i]，需要将x-y位置与J数组关联，不局限于seaborn，但必须使用插值方法（比如matplotlib.imshow也可）。目前找到的示例均基于随机生成器，没有针对特定网格点绘图的案例。

核心思路是先将离散的x-y坐标点转换为规则网格，再通过插值填充网格内的数值，之后即可用热力图工具绘图。

1. 构建覆盖所有点的规则网格 #

先确定x、y的取值范围，生成覆盖所有离散点的规则网格（可调整网格密度控制绘图精细度）：

import matplotlib.pyplot as plt
import numpy as np
from scipy.interpolate import griddata
import seaborn as sn

# 原数据
x=np.array([-1, 1, -1, 1, 0, 2, -2, 0, 2, -2, -2, 2])
y=np.array([1, 1, -1, -1, 2, 0, 0, -2, 2, 2, -2, -2])
J=np.array([-0.019, -0.019, -0.019, -0.019, -0.09, -0.09, -0.09, -0.09, 0.012, 0.012, 0.012, 0.012])

# 获取坐标极值，确定网格范围
x_min, x_max = x.min(), x.max()
y_min, y_max = y.min(), y.max()

# 生成规则网格（第三个参数为网格点数，数值越大越精细）
xi = np.linspace(x_min, x_max, 100)
yi = np.linspace(y_min, y_max, 100)
xi, yi = np.meshgrid(xi, yi)

2. 对离散点进行插值 #

使用scipy.interpolate.griddata填充网格数值，支持三种插值方法：

• 'linear'：线性插值，平滑过渡
• 'nearest'：最近邻插值，保留离散点的尖锐变化
• 'cubic'：三次样条插值，效果更平滑，计算量稍大

# 选择插值方法生成网格强度值
zi = griddata((x, y), J, (xi, yi), method='cubic')

3. 绘图（两种方式可选） #

方式一：Matplotlib imshow #

适合需要自定义坐标范围的场景：

plt.figure(figsize=(8,6))
# origin='lower'确保y轴方向与实际坐标一致
plt.imshow(zi, extent=[x_min, x_max, y_min, y_max], origin='lower', cmap='viridis', interpolation='bilinear')
plt.colorbar(label='强度值J')
plt.xlabel('X坐标')
plt.ylabel('Y坐标')
plt.title('插值后的强度热力图')
plt.show()

方式二：Seaborn heatmap #

如果偏好seaborn的样式，直接传入插值后的网格数组即可：

plt.figure(figsize=(8,6))
# 自定义刻度显示，避免刻度过多
sn.heatmap(zi, cmap='viridis', xticklabels=np.round(xi[0][::10], 2), yticklabels=np.round(yi[:,0][::10], 2))
plt.xlabel('X坐标')
plt.ylabel('Y坐标')
plt.title('Seaborn插值热力图')
plt.show()

注意事项 #

• 网格密度（linspace的第三个参数）可按需调整，数值越大图像越清晰，但计算时间会增加。
• 使用imshow时，extent参数用于匹配实际坐标范围，origin='lower'避免y轴上下颠倒。
• 插值方法可根据数据特性选择，比如离散点变化剧烈时用'nearest'，需要平滑效果时用'cubic'。

内容的提问来源于stack exchange，提问作者user175924