Python可視化 | Seaborn包—heatmap()

seaborn.heatmap()的參數

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)

⚪ 繪制熱圖

uniform_data = np.random.rand(10,12) #隨機創建10行12列的數組
pd.DataFrame(uniform_data) #以一個數據框的格式來顯示
f,ax = plt.subplots(figsize=(9,6)) #定義一個子圖寬高為9和6 ax存儲的是圖形放在哪個位置
ax = sns.heatmap(uniform_data,vmin = 0,vmax = 1) #vmin,vmax定義了色彩圖的上下界
# sns.heatmap(uniform_data)  #此語句會默認圖形的大小畫熱圖

　　

 

 ⚪ 使用發散色圖繪制以0為中心得數據的熱力圖

uniform_data = np.random.randn(10, 12)
f, ax = plt.subplots(figsize=(9, 6))
ax = sns.heatmap(uniform_data, center=0) #參數center = 0

　　

 

⚪ 以數據集 flights 為例繪圖

flights = pd.read_csv('C:\\Users\\86130\\Desktop\\flights.csv')

flights = sns.load_dataset("flights") 因為XJ的網絡鏈接不了github所以該語句不可用
網址https://github.com/mwaskom/seaborn-data直接下載數據集 👆

數據集 flights 的部分截圖：

 高效的函數pivot()，該函數有三個參數(index,columns,values)，第一個參數index是指新表的索引，第二個參數columns是新表的列名，第三個參數values是指新表中的值，看效果就比較明確了 👇

new_flights = flights.pivot("month","year","passengers")

new_flights的數據顯示：

f,ax = plt.subplots(figsize=(9,6))
sns.heatmap(new_flights)

　　

f,ax = plt.subplots(figsize=(12,9))
sns.heatmap(new_flights,annot = True,fmt = "d",linewidth =0.5,cmap = 'Blues',xticklabels = 2,yticklabels = False,cbar = False) 
#annot=True 為每個單元格寫入值。
#參數fmt是指添加值的格式。這里設置為整數型
#linewidth是指划分每個單元格的行的寬度
#cmap設置熱圖的顏色
#xticklabels與yticklabes默認為1，即標簽沒有中斷，若設置為False則不顯示標簽，
#參數cbar默認為True，即繪制顏色條

 

 ⚪ 使用不同的軸作為顏色條，直接用代碼吧。

grid_kws = {"height_ratios": (.9, .05), "hspace": .3}
f, (ax, cbar_ax) = plt.subplots(2, gridspec_kw=grid_kws)
ax = sns.heatmap(new_flights, ax=ax,
                 cbar_ax=cbar_ax,
                 cbar_kws={"orientation": "horizontal"})

　　

subplots函數中的參數gridspec_kw是將字典的關鍵字傳遞給GridSpec構造函數創建子圖放在網格里。heatmap函數中的參數ax指繪制圖的軸，否則使用當前活動的軸，cbar_ax用於繪制顏色條的軸，否則從主軸獲取；cbar_kwsfig.colorbar的關鍵字參數.這部分不太會用大白話解釋，直接上圖吧 👆

 

⚪ 繪制相關系數矩陣，因為對稱僅繪制一半

corr = np.corrcoef(np.random.randn(10, 200))
mask = np.zeros_like(corr)
print(mask)
mask[np.triu_indices_from(mask)] = True #把上部分設置為1
#設置為1 的單元格將不再顯示
#mask[np.tril_indices_from(mask)] = True #把下部分設置為1
print(mask)
with sns.axes_style("white"):
    ax = sns.heatmap(corr, mask=mask, vmax=.3, square=True)

[[0. 0. 0. 0. 0. 0. 0. 0. 0. 0.]
 [0. 0. 0. 0. 0. 0. 0. 0. 0. 0.]
 [0. 0. 0. 0. 0. 0. 0. 0. 0. 0.]
 [0. 0. 0. 0. 0. 0. 0. 0. 0. 0.]
 [0. 0. 0. 0. 0. 0. 0. 0. 0. 0.]
 [0. 0. 0. 0. 0. 0. 0. 0. 0. 0.]
 [0. 0. 0. 0. 0. 0. 0. 0. 0. 0.]
 [0. 0. 0. 0. 0. 0. 0. 0. 0. 0.]
 [0. 0. 0. 0. 0. 0. 0. 0. 0. 0.]
 [0. 0. 0. 0. 0. 0. 0. 0. 0. 0.]]
[[1. 1. 1. 1. 1. 1. 1. 1. 1. 1.]
 [0. 1. 1. 1. 1. 1. 1. 1. 1. 1.]
 [0. 0. 1. 1. 1. 1. 1. 1. 1. 1.]
 [0. 0. 0. 1. 1. 1. 1. 1. 1. 1.]
 [0. 0. 0. 0. 1. 1. 1. 1. 1. 1.]
 [0. 0. 0. 0. 0. 1. 1. 1. 1. 1.]
 [0. 0. 0. 0. 0. 0. 1. 1. 1. 1.]
 [0. 0. 0. 0. 0. 0. 0. 1. 1. 1.]
 [0. 0. 0. 0. 0. 0. 0. 0. 1. 1.]
 [0. 0. 0. 0. 0. 0. 0. 0. 0. 1.]]