一、热力图绘制参数详解
sns.heatmap(data, vmin=None, vmax=None, cmap=None, center=None, annot=None, fmt='.2g', annot_kws=None, linewidths=0, linecolor='white', cbar=True,cbar_kws = None, square=False, xticklabels='auto', icklabels='auto', mask=None, ax=None)
data：指定绘制热力图的数据集
- vmin,vmax：用于指定图例中最小值与最大值的显示值
- cmap：指定一个colormap对象，用于热力图的填充色
- center：指定颜色中心值，通过该参数可以调整热力图的颜色深浅
- annot：指定一个bool类型的值或与data参数形状一样的数组，如果为True，就在热力图的每个单元上显示数值
- fmt：指定单元格中数据的显示格式
- annot_kws：有关单元格中数值标签的其他属性描述，如颜色、大小等
- linewidths ：指定每个单元格的边框宽度
- linecolor：指定每个单元格的边框颜色
- cbar：bool类型参数，是否用颜色条作为图例，默认为True
- square：bool类型参数，是否使热力图的每个单元格为正方形，默认为False
- cbar_kws：有关颜色条的其他属性描述
- xticklabels,yticklabels：指定热力图x轴和y轴的刻度标签，如果为True，则分别以数据框的变量名和行名称作为刻度标签
- mask：用于突出显示某些数据
- ax：用于指定子图的位置
官方链接：http://seaborn.pydata.org/generated/seaborn.heatmap.html
1 import pandas as pd 2 import seaborn as sns 3 # 读取数据 4 Sales = pd.read_excel('Sales.xlsx') 5 # 根据交易日期，衍生出年份和月份字段 6 Sales['year'] = Sales.Date.dt.year 7 Sales['month'] = Sales.Date.dt.month 8 # 统计每年各月份的销售总额 9 Summary = Sales.pivot_table(index = 'month', columns = 'year', values = 'Sales', aggfunc = np.sum) 10 11 # 绘制热力图 12 sns.heatmap(data = Summary, # 指定绘图数据 13 cmap = 'PuBuGn', # 指定填充色 14 linewidths = .1, # 设置每个单元格边框的宽度 15 annot = True, # 显示数值 16 fmt = '.1f' # 以科学计算法显示数据 17 ) 18 #添加标题 19 plt.title('每年各月份销售总额热力图') 20 # 显示图形 21 plt.show()
