seaborn矩陣圖組合圖---熱力圖heatmap、聚類圖clustermap

1.熱力圖heatmap

seaborn.heatmap(data, vmin=None, vmax=None, cmap=None, center=None, robust=False, annot=None, fmt='.2g', annot_kws=None, linewidths=0, linecolor='white', cbar=True, cbar_kws=None, cbar_ax=None, square=False, xticklabels='auto', yticklabels='auto', mask=None, ax=None, **kwargs)

方法：用顏色矩陣去顯示數據在兩個維度下的度量值

參數：

• data : 要顯示的數據

ax = sns.heatmap(data)

• vmin, vmax : 顯示的數據值的最大和最小的范圍

ax = sns.heatmap(data,vmin=0, vmax=1)

• cmap : matplotlib顏色表名稱或對象，或顏色列表，可選從數據值到色彩空間的映射。如果沒有提供，默認設置

ax = sns.heatmap(data,vmin=0, vmax=1, cmap = 'GnBu')

• center : 指定色彩的中心值

ax = sns.heatmap(data,vmin=0, vmax=1, cmap = 'GnBu', center=0.7)

• robust : 如果“Ture”和“ vmin或” vmax不存在，則使用強分位數計算顏色映射范圍，而不是極值。

ax = sns.heatmap(data,vmin=0, vmax=1, cmap = 'GnBu', center=0.5, 
                 robust=False) #Set1

• annot : 如果為True，則將數據值寫入每個單元格中

ax = sns.heatmap(data,vmin=0, vmax=1, cmap = 'GnBu', center=0.5, 
                 robust=False,annot=True) #Set1

• fmt : 表格里顯示數據的類型

fmt ='.0%'#顯示百分比
fmt ='f' 顯示完整數字 = fmt ='g'
fmt ='.3'顯示小數的位數 = fmt ='.3f' = fmt ='.3g'

• annot_kws : 鍵，值映射的dict，可選
• linewidths : 划分每個單元格的線的寬度。
• linecolor : 划分每個單元格的線的顏色。
• cbar : 是否繪制顏色條：colorbar，默認繪制
• cbar_kws : 未知 cbar_ax : 顯示x-y坐標，而不是節點的編號
• square : 為‘True’時，整個網格為一個正方形
• xticklabels, yticklabels : 可以以字符串進行命名，也可以調節編號的間隔，也可以不顯示坐標

ax = sns.heatmap(uniform_data,cmap = 'RdBu', center=0,cbar = True, square = False,xticklabels =['12','22'])#字符串命名
ax = sns.heatmap(uniform_data,cmap = 'RdBu', center=0,cbar = True, square = False,xticklabels =2)#編號間隔為2
ax = sns.heatmap(uniform_data,cmap = 'RdBu', center=0,cbar = True, square = False,xticklabels =False)#不顯示坐標

舉例：

plt.figure(figsize = (12,6))
corr_values = data.corr()
sns.heatmap(corr_values, annot=True,vmax=1, square=True, cmap="Blues",fmt='.2f')
plt.tight_layout()
plt.savefig('heatmap.png',dpi=600) 
plt.show()

 

2.聚類圖clustermap

seaborn.clustermap(data, pivot_kws=None, method='average', metric='euclidean', z_score=None, standard_scale=None, figsize=None, cbar_kws=None, row_cluster=True, col_cluster=True, row_linkage=None, col_linkage=None, row_colors=None, col_colors=None, mask=None, **kwargs)

• 除此之外，clustermap 支持繪制層次聚類結構圖。如下所示，我們先去掉原數據集中最后一個目標列，傳入特征數據即可。當然，你需要對層次聚類有所了解，否則很難看明白圖像多表述的含義。

• seaborn.clustermap

舉例：

iris.pop("species")
sns.clustermap(iris)

 

 

參考文獻：

【1】python3.x-seaborn.heatmap隨筆

【2】中文官網