Matplotlib如何实现矩阵图（matrixplot）的可变列宽？

嘿，我完全懂你想要的效果——让矩阵的行列按照指定的宽度/高度展示，而非默认的等宽样式。其实用Matplotlib的imshow配合自定义坐标轴范围就能轻松实现，比matshow灵活得多，下面是具体的实现方案：

简便实现代码（推荐） #

import matplotlib.pyplot as plt
import numpy as np

# 生成示例矩阵
samplemat = np.random.rand(3, 3)
# 指定列宽度（行高度可同理自定义）
widths = np.array([.7, .2, .1])
# 若需自定义行高度，取消下方注释
# heights = np.array([.3, .5, .2])

# 计算列宽度的累积和，用于定位每个列块的边界
cum_widths = np.concatenate([[0], np.cumsum(widths)])
# 行高度累积和（自定义行高时使用）
# cum_heights = np.concatenate([[0], np.cumsum(heights)])

# 创建画布与轴对象
fig, ax = plt.subplots()

# 用imshow绘制矩阵，通过extent指定坐标范围
# extent格式为[左边界, 右边界, 下边界, 上边界]
im = ax.imshow(samplemat, 
               extent=[cum_widths[0], cum_widths[-1], 0, len(samplemat)],
               aspect='auto')  # 自动适配自定义宽高比例

# 设置x轴刻度到每个列块的中心位置，保证标签对齐
ax.set_xticks((cum_widths[:-1] + cum_widths[1:]) / 2)
ax.set_xticklabels(range(1, len(widths)+1))  # 可替换为自定义标签

# 自定义行高度时，设置y轴刻度
# ax.set_yticks((cum_heights[:-1] + cum_heights[1:]) / 2)
# ax.set_yticklabels(range(1, len(heights)+1))

# 可选：添加颜色条
fig.colorbar(im)

plt.show()

关键逻辑解释 #

• 累积和计算：cum_widths会生成每个列块的边界位置，比如示例中是[0, 0.7, 0.9, 1.0]，对应第一列占0-0.7区间，第二列0.7-0.9，第三列0.9-1.0。
• extent参数：告诉imshow图像的坐标范围，让每个矩阵元素精准对应到指定宽度的区间内。
• 刻度对齐：把x轴刻度放在列块中心，确保标签和对应块的位置匹配，视觉上更清晰。
• aspect='auto'：避免Matplotlib强制等比例显示，让图像自动适配我们设置的宽高比例。

替代方案：手动绘制分块矩阵（带边框） #

如果需要更精细的样式控制（比如给每个块加边框），可以用Rectangle逐个绘制矩阵元素：

import matplotlib.pyplot as plt
import numpy as np

samplemat = np.random.rand(3, 3)
widths = np.array([.7, .2, .1])
heights = np.array([.3, .5, .2])  # 自定义行高度

cum_widths = np.concatenate([[0], np.cumsum(widths)])
cum_heights = np.concatenate([[0], np.cumsum(heights)])

fig, ax = plt.subplots()
# 归一化矩阵值，适配颜色映射
norm = plt.Normalize(samplemat.min(), samplemat.max())
cmap = plt.get_cmap('viridis')

# 逐个绘制带边框的矩形块
for i in range(samplemat.shape[0]):
    for j in range(samplemat.shape[1]):
        x_left = cum_widths[j]
        y_bottom = cum_heights[i]
        rect = plt.Rectangle(
            (x_left, y_bottom), widths[j], heights[i],
            color=cmap(norm(samplemat[i, j])),
            edgecolor='white'  # 白色边框区分块
        )
        ax.add_patch(rect)

# 设置坐标轴范围
ax.set_xlim(0, cum_widths[-1])
ax.set_ylim(0, cum_heights[-1])
ax.set_aspect('auto')

# 添加颜色条
sm = plt.cm.ScalarMappable(norm=norm, cmap=cmap)
sm.set_array([])
fig.colorbar(sm)

plt.show()

这种方法能实现更接近分块矩阵的视觉效果，适合需要额外样式定制的场景。

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