Python中的 Matplotlib.axes.Axes.pcolor()

Matplotlib是一个Python的数据可视化库，它是一个2D图像库，提供了大量的数据可视化方法，包括直方图、散点图、线图、等高线图、图像等等。本文将介绍Matplotlib库中的pcolor函数，它用于绘制二维集合的伪彩图。

基本用法

pcolor函数可以用于绘制二维数组集合的伪彩图。下面是pcolor的函数定义：

Axes.pcolor(self, C, cmap=None, norm=None, vmin=None, vmax=None, alpha=None, edgecolors=None, linewidths=None, *, snap=False, **kwargs)

• C：输入的二维数组集合，数组的大小为(N,M)，其中N为行数，M为列数。
• cmap：用于指定颜色的映射，通常使用matplotlib库中的颜色映射（例如matplotlib.cm.jet）。
• norm：用于指定颜色的标准化对象。
• vmin：数据的最小值，用于设置颜色的范围。
• vmax：数据的最大值，用于设置颜色的范围。
• alpha：控制透明度的参数。
• edgecolors：用于画边缘的颜色。
• linewidths：用于画边缘线的宽度。

下面是简单的绘制伪彩图的例子：

import matplotlib.pyplot as plt
import numpy as np

data = np.random.rand(10, 10)
plt.pcolor(data, cmap='jet', vmin=data.min(), vmax=data.max())
plt.colorbar()
plt.show()

运行结果如下：

示例：绘制地图

下面是一个更有意思的示例：绘制美国境内每个州的气温分布图。我们将使用Python的pandas库和Matplotlib的pcolor函数实现这个任务。

首先，我们需要准备要用于绘制的数据。使用pandas读取美国各州每个月的气温数据（数据源自NOAA，期间使用了Climate Data Online (CDO)所提供的api访问接口 获取，详见我的博文）。然后将每个州的气温数据矩阵化。下面是代码：

import pandas as pd
from collections import defaultdict

df = pd.read_csv("temperature.csv")

# 将数据按州名字分组
groups = defaultdict(list)
for _, row in df.iterrows():
    groups[row['State']].append(row['Temperature'])

# 创建数据矩阵
data = []
for state in groups.keys():
    data.append(groups[state])

# 转换成二维numpy数组
data = np.array(data)

下一步，我们绘制伪彩图，并用州名标记每个方格的中心。为此，我们首先使用ax.pcolor函数将数据绘制为伪彩图，并使用ax.text函数在每个方格的中心处放置州名。下面是代码：

fig, ax = plt.subplots()

# 绘制伪彩图
heatmap = ax.pcolor(data, cmap=plt.cm.Blues)

# 放置州名
for i in range(len(data)):
    for j in range(len(data[i])):
        if (i + j) % 2 == 0:
            ax.text(j + 0.5, i + 0.5, df['State'][i], ha='center', va='center')
            
# 去掉边框
ax.set_frame_on(False)

# 显示颜色条
cbar = plt.colorbar(heatmap)

plt.show()

运行结果如下：

通过这个例子，我们可以看到pcolor函数的强大之处——我们可以将二维数组集合绘制为伪彩图，并用它来可视化地图、矩阵等等数据结构。