### 如何用Python生成随机数据并使用Matplotlib或Seaborn绘制热力图 要实现这一目标，可以通过 `numpy` 库生成随机数据矩阵，并结合 `matplotlib` 或 `seaborn` 来绘制热力图。以下是具体方法： #### 数据准备 为了生成随机数据，可以使用 NumPy 的函数来创建二维数组作为热力图的数据源[^1]。 ```python import numpy as np # 创建一个大小为 10x10 的随机浮点数矩阵，范围在 [0, 1) 中 data = np.random.rand(10, 10) ``` #### 使用 Matplotlib 绘制热力图 通过 `matplotlib.pyplot.imshow()` 方法可以直接绘制热力图，并添加颜色条以便于理解数值分布[^3]。 ```python import matplotlib.pyplot as plt plt.figure(figsize=(8, 6)) # 设置图形尺寸 heatmap = plt.imshow(data, cmap='viridis', aspect='auto') # 'viridis' 是一种常见的配色方案 plt.colorbar(heatmap) # 添加颜色条 plt.title('Heatmap using Matplotlib') plt.xlabel('X-axis') plt.ylabel('Y-axis') plt.show() ``` #### 使用 Seaborn 绘制热力图 Seaborn 提供了一个专门用于绘制热力图的函数 `sns.heatmap()`，它不仅支持自定义样式，还能够轻松标注单元格中的值。 ```python import seaborn as sns plt.figure(figsize=(8, 6)) sns_heatmap = sns.heatmaps(data, annot=True, fmt=".2f", cmap="coolwarm") # 显示数值并保留两位小数 plt.title('Heatmap using Seaborn') plt.xlabel('X-axis') plt.ylabel('Y-axis') plt.show() ``` 上述代码中，`annot=True` 表示在每个单元格中标记对应的数值；`fmt=".2f"` 则指定显示格式为保留两位小数的小数形式。 --- #### 结合两者的优势 如果希望充分利用 Matplotlib 和 Seaborn 各自的优点，则可以在绘图前调用 `sns.set()` 初始化全局美学参数[^2]。 ```python import seaborn as sns import matplotlib.pyplot as plt sns.set(style="whitegrid") # 设置网格背景风格 plt.figure(figsize=(8, 6)) sns_heatmap = sns.heatmaps(np.random.rand(10, 10), annot=True, fmt=".2f", cmap="magma") plt.title('Enhanced Heatmap with Seaborn and Matplotlib Styles Combined') plt.xlabel('X-axis') plt.ylabel('Y-axis') plt.show() ``` 以上展示了如何灵活运用 Python 生态圈内的工具完成高质量的数据可视化任务。 ---