1. 函数功能

在二维规则栅格上展示数据，展示为图片。
输入可以是实际的RGB（A）数据，也可以是2D标量数据，将以伪彩色图像的形式呈现。若要显示灰度图像，请使用参数设置颜色映射。渲染图像所使用的像素数量由Axes尺寸和图形的dpi设置决定。

2. 函数语法

matplotlib.pyplot.imshow(X, cmap=None, norm=None, *, aspect=None, 
interpolation=None, alpha=None, vmin=None, vmax=None, origin=None, extent=None, 
interpolation_stage=None, filternorm=True, filterrad=4.0, resample=None, 
url=None, data=None, **kwargs)

3. 函数参数

参数	含义
X	要显示的图像数据，可以是2D数组（灰度图）或3D数组（彩色图）
cmap	指定图像的颜色映射。
norm	可选参数，字符串或Normalize，将数字映射到颜色之前的标准化方法，默认线性标准化方式，最小值标准化为0，最大值标准化为1；取值为字符串时可以指定标准化方法：“linear”, “log”, “symlog”, “logit” 等。
vmin,vmax	当使用标量数据且没有显式的norm时，vmin和vmax定义了色图所覆盖的数据范围。默认情况下，色图覆盖了提供的数据的完整值范围。一般不与norm参数同时使用：指定对数据标准化，或指定数据最大、最小值
aspect	Axes的纵横比，这个参数对于图像特别重要，因为它决定了数据像素是否是正方形的。默认为：equal
interpolation	指定图像处理的插值方法
alpha	图像的透明度
origin	图像的原点位置，可以是’upper’、'lower’中的一个，默认为upper
extent	表示图像在坐标系中的位置和大小，用四个数字表示（左、右、下、上），默认值与origin的位置有关：当origin=‘upper’：位置为（-0.5ncols-0.5,nrows-0.5,-0.5）;当origin=‘lower’：位置为：(-0.5, numcols-0.5, -0.5, numrows-0.5)

3.1 简单展示

mt_zone = data_clean.pivot_table(values='数量',index='月',columns='销售区域',aggfunc='sum')
mt_zone

plt.imshow(mt_zone,cmap='Greens',vmin=0,vmax=60000)
plt.colorbar()
plt.show()

mt1=mt_zone.loc[[7],]
plt.imshow(mt1,cmap='BuPu',norm='linear')
plt.colorbar()
plt.xticks(ticks = np.arange(0,6),labels=mt1.columns)
plt.show()

3.2 参数调整

3.2.1 指定原点位置：origin

# 指定origin的位置，指定在下方
plt.imshow(mt_zone,cmap='BuPu',norm='linear',origin='lower')
plt.colorbar()
#plt.xticks(ticks = np.arange(0,6),labels=mt_zone.columns)
# plt.yticks(ticks=np.arange(0,6),labels=mt_zone.index)
plt.show()

3.2.2 添加数值

mt1 = mt_zone.loc[[7],]
plt.imshow(mt_zone,cmap='BuPu',norm='linear',origin='upper')
plt.colorbar()
plt.xticks(ticks = np.arange(0,6),labels=mt_zone.columns)
plt.yticks(ticks=np.arange(0,6),labels=mt_zone.index)
for i in range(mt_zone.shape[1]):
    for j in range(mt_zone.shape[0]):
        #print(i,j,mt_zone.iloc[i,j])
        plt.text(j,i,mt_zone.iloc[i,j],ha='center',va='center')

3.2.3 设置没格的形状。默认为正方形

mt1 = mt_zone.loc[[7],]
plt.imshow(mt_zone,cmap='BuPu',norm='linear',origin='upper',aspect='auto')
plt.colorbar()
plt.xticks(ticks = np.arange(0,6),labels=mt_zone.columns)
plt.yticks(ticks=np.arange(0,6),labels=mt_zone.index)
for i in range(mt_zone.shape[1]):
    for j in range(mt_zone.shape[0]):
        #print(i,j,mt_zone.iloc[i,j])
        plt.text(j,i,mt_zone.iloc[i,j],ha='center',va='center')

参考内容：https://matplotlib.org/stable/api/_as_gen/matplotlib.pyplot.imshow.html