如何用Python的Matplotlib等库绘制字典格式的24x4二维网格数据

需要绘制一个24×4的二维网格，每个网格坐标对应一个数值，数据存储为如下格式的字典：

{
    'map1_ID': [
        ['x_coor','y_coor','data_to plot'],
        ['x_coor','y_coor','data_to plot'],
        ...
    ],
    'map2_ID': [
        ['x_coor','y_coor','data_to plot'], 
        ['x_coor','y_coor','data_to plot'],
        ...
    ]
}

步骤1：数据预处理 #

先把字典中的列表数据转换为匹配24×4网格的二维数组，未提供数据的位置可以用NaN（空白）或0填充。

步骤2：绘制网格可视化 #

用Matplotlib的imshow绘制热力图，配合网格线和数值标注，清晰展示每个单元格的数值。

完整代码示例 #

import matplotlib.pyplot as plt
import numpy as np

# 模拟用户提供的字典数据
grid_data = {
    'map1_ID': [
        ['0', '0', 10], ['1', '0', 15], ['23', '0', 5],
        ['0', '3', 20], ['12', '2', 8], ['23', '3', 12]
    ],
    'map2_ID': [
        ['0', '0', 5], ['5', '1', 18], ['23', '3', 25],
        ['10', '2', 7], ['15', '1', 14]
    ]
}

def prepare_grid(map_data, grid_size=(24, 4)):
    # 初始化网格，未填充位置用NaN表示
    grid = np.full(grid_size, np.nan)
    for x_str, y_str, value in map_data:
        x = int(x_str)
        y = int(y_str)
        # 注意：y对应行索引，x对应列索引，根据实际坐标逻辑调整
        grid[y][x] = value
    return grid

# 绘制单个网格图
plt.figure(figsize=(12, 3))
map1_grid = prepare_grid(grid_data['map1_ID'])
plt.imshow(map1_grid, cmap='viridis', aspect='auto', extent=[0, 24, 4, 0])

# 为每个有数据的单元格添加数值标注
for y in range(4):
    for x in range(24):
        if not np.isnan(map1_grid[y][x]):
            plt.text(x + 0.5, y + 0.5, int(map1_grid[y][x]),
                     ha='center', va='center', color='white')

plt.xlabel('X坐标')
plt.ylabel('Y坐标')
plt.title('map1_ID 网格数据可视化')
plt.colorbar(label='数据值')
plt.xticks(np.arange(0, 24, 1))
plt.yticks(np.arange(0, 4, 1))
plt.grid(which='both', color='black', linewidth=0.5)
plt.show()

# 绘制多图对比（map1和map2）
fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(20, 3))

# 处理并绘制map1
map1_grid = prepare_grid(grid_data['map1_ID'])
im1 = ax1.imshow(map1_grid, cmap='viridis', aspect='auto', extent=[0, 24, 4, 0])
for y in range(4):
    for x in range(24):
        if not np.isnan(map1_grid[y][x]):
            ax1.text(x + 0.5, y + 0.5, int(map1_grid[y][x]),
                     ha='center', va='center', color='white')
ax1.set_xlabel('X坐标')
ax1.set_ylabel('Y坐标')
ax1.set_title('map1_ID 网格数据')
ax1.set_xticks(np.arange(0, 24, 1))
ax1.set_yticks(np.arange(0, 4, 1))
ax1.grid(which='both', color='black', linewidth=0.5)

# 处理并绘制map2
map2_grid = prepare_grid(grid_data['map2_ID'])
im2 = ax2.imshow(map2_grid, cmap='viridis', aspect='auto', extent=[0, 24, 4, 0])
for y in range(4):
    for x in range(24):
        if not np.isnan(map2_grid[y][x]):
            ax2.text(x + 0.5, y + 0.5, int(map2_grid[y][x]),
                     ha='center', va='center', color='white')
ax2.set_xlabel('X坐标')
ax2.set_ylabel('Y坐标')
ax2.set_title('map2_ID 网格数据')
ax2.set_xticks(np.arange(0, 24, 1))
ax2.set_yticks(np.arange(0, 4, 1))
ax2.grid(which='both', color='black', linewidth=0.5)

# 添加统一颜色条
fig.colorbar(im1, ax=[ax1, ax2], label='数据值')
plt.tight_layout()
plt.show()

关键说明 #

• 坐标对应：如果你的X/Y坐标与行/列的对应关系不同，调整grid[y][x]为grid[x][y]即可
• 空白填充：若需要未提供数据的位置显示0，把np.full(grid_size, np.nan)改为np.zeros(grid_size)
• 颜色自定义：更换cmap参数可调整颜色风格，比如'coolwarm'、'plasma'等
• 网格线：通过plt.grid添加单元格边框，确保网格结构清晰

内容的提问来源于stack exchange，提问作者Travis Batista