Python读取CSV绘制自定义色阶平滑热力图问题排查

原代码问题排查 #

原代码同时存在语法错误和逻辑错误，是输出异常直线的核心原因：

• 语法类错误：多处赋值符号错写为减号（Z2 - ...应为Z2 = ...）、方法调用漏括号（data.ravel应为data.ravel()）、参数拼写错误（cmaprcm.jet应为cmap=cm.jet）、变量大小写混用（定义大写X后调用小写x）、语句未正确断行（z = ZD.ravel gridsize=10为两个独立语句）
• 逻辑类错误：
  • 照搬官方测试demo的模拟数据逻辑，bivariate_normal是用来生成二维正态分布测试数据的函数，不需要套用到自有CSV真实数据上
  • 向bivariate_normal传入的x、y参数为完全相同的data数组，最终计算得到的坐标满足x=y，自然只会输出一条直线
  • ZD = Z2 - 21为笔误，原demo逻辑为Z2-Z1
  • hexbin本身是六边形分箱绘图接口，输出为蜂窝状色块，无法实现连续平滑的热力图效果

正确实现代码 #

要实现无硬方块边缘、数值越高颜色越暖（0对应蓝色、高值对应暖红/橙色）的平滑热力图，可通过「原始网格数据+高斯平滑+插值渲染」实现，无需生成模拟正态数据或调用hexbin接口：

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from scipy.ndimage import gaussian_filter
from matplotlib import cm

# 读取CSV数据，根据自己的文件格式调整读取参数
# 若CSV无表头、纯数值存储：df = pd.read_csv("your_file.csv", header=None).values
df = pd.read_csv("your_file.csv", index_col=0)
z_raw = df.values

# 生成坐标网格，若CSV自带x/y轴坐标，替换为对应实际值即可
x = np.arange(z_raw.shape[1])
y = np.arange(z_raw.shape[0])
xx, yy = np.meshgrid(x, y)

# 高斯平滑处理，sigma越大平滑效果越强，建议在1-3区间调试
z_smoothed = gaussian_filter(z_raw, sigma=1.8)

# 绘图配置
plt.figure(figsize=(8, 6))
im = plt.pcolormesh(
    xx, yy, z_smoothed,
    cmap=cm.coolwarm, # 冷蓝到暖红的色阶，符合映射规则
    vmin=0, vmax=20, # 固定色阶范围：0对应蓝色，20对应最高暖色调
    shading='gouraud' # *关键参数*：实现颜色插值过渡，消除方块硬边缘
)

plt.colorbar(im, label='数值')
plt.xlim(x.min(), x.max())
plt.ylim(y.min(), y.max())
plt.tight_layout()
plt.show()

参数调整提示 #

• 平滑度不符合预期时，调整sigma值：数值越大画面越平滑，数值越小越接近原始方块效果
• 色阶风格可通过替换cmap参数调整，比如使用cm.RdYlBu_r可实现蓝-黄-红的更鲜明冷暖递进
• 若CSV存储的是离散点数据而非网格数据，可将高斯平滑替换为scipy.interpolate.Rbf径向基插值，生成连续网格后再绘图

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