目录

热力图介绍

seaborn模块绘制热力图

热力图介绍

热力图是一种特殊的图表&＃xff0c;它是一种通过对色块着色来显示数据的统计图表&＃xff0c;在绘图时&＃xff0c;需要指定每个颜色映射的规则&＃xff08;一般以颜色的强度或色调为标准&＃xff09;&＃xff1b;比如颜色越深的表示数值越大、程度越深&＃xff1b;颜色越亮的数值越大、程度越深。

seaborn模块绘制热力图

使用seaborn.heatmap()函数&＃xff0c;函数定义如下&＃xff1a;

​
seaborn.heatmap(data, *, vmin&＃61;None, vmax&＃61;None, cmap&＃61;None,center&＃61;None, robust&＃61;False, annot&＃61;None, fmt&＃61;&＃39;.2g&＃39;, 
annot_kws&＃61;None, linewidths&＃61;0, 
linecolor&＃61;&＃39;white&＃39;, cbar&＃61;True, cbar_kws&＃61;None, 
cbar_ax&＃61;None, square&＃61;False, xticklabels&＃61;&＃39;auto&＃39;, 
yticklabels&＃61;&＃39;auto&＃39;, mask&＃61;None, ax&＃61;None, **kwargs)# 将矩形数据绘制为颜色编码矩阵。​# parameter:
# data&＃xff1a;ndarray 的 2D 数据集&＃xff1b;
# vmin,vmax:热力图显示的最小值和最大值&＃xff0c;float类型&＃xff0c;若未提供&＃xff0c;则从输入数据中推导&＃xff1b;
# cmap:matplotlib 颜色图名称或对象&＃xff0c;或颜色列表&＃xff0c;可选,从数据值到颜色空间的映射。 如未提供&＃xff0c;则默认值将取决于是否设置了中心。
# center:中心浮动&＃xff0c;可选,绘制不同数据时颜色图居中的值。 如果未指定&＃xff0c;则使用此参数将更改默认cmap。
# robust:布尔型&＃xff0c;可选,如果 True 和 vmin 或 vmax 不存在&＃xff0c;则使用稳健的分位数而不是极值来计算颜色图范围。
# annot:annotbool 或矩形数据集&＃xff0c;可选,如果为 True&＃xff0c;则在每个单元格中写入数据值。 如果一个与数据具有相同形状的类数组&＃xff0c;则使用它来注释热图而不是数据。
# fmtstr&＃xff0c;可选,添加注释时使用的字符串格式代码。# annot_kws:键的 annot_kwsdict&＃xff0c;值映射&＃xff0c;可选,当 annot 为 True 时,matplotlib.axes.Axes.text() 的关键字参数。# linewidths&＃xff1a;线宽浮动&＃xff0c;可选&＃xff0c;分割每个单元格的线的宽度。# linecolor:线色颜色&＃xff0c;可选,将划分每个单元格的线条的颜色。# cbar:cbarbool&＃xff0c;可选,是否绘制颜色条。# cbar_ax:cbar_kwsdict 的键&＃xff0c;值映射&＃xff0c;可选,matplotlib.figure.Figure.colorbar() 的关键字参数。# cbar_axmatplotlib 轴&＃xff0c;可选,绘制颜色条的轴&＃xff0c;否则从主轴中占用空间。# squarebool&＃xff0c;可选,如果为 True&＃xff0c;则将 Axes 方面设置为“相等”&＃xff0c;以便每个单元格都是方形的。#:xticklabels, yticklabels“auto”, bool, list-like, or int, optional
#如果为 True&＃xff0c;则绘制数据框的列名。如果为 False&＃xff0c;则不要绘制列名。如果类似列表&＃xff0c;则将这些备用标签# 绘制为 xticklabels。如果是整数&＃xff0c;请使用列名&＃xff0c;但仅绘制每 n 个标签。如果“自动”&＃xff0c;请尝试密集绘制# # 不重叠的标签。# mask:maskbool 数组或 DataFrame&＃xff0c;可选,如果通过&＃xff0c;数据将不会显示在 mask 为 True 的单元格中。具有缺失值的单元格会被自动屏蔽。# ax:axmatplotlib 轴&＃xff0c;可选,绘制绘图的轴&＃xff0c;否则使用当前活动的轴。

import numpy as np; np.random.seed(0)
import seaborn as sns; sns.set_theme()
uniform_data &＃61; np.random.rand(10, 12)
ax &＃61; sns.heatmap(uniform_data)

ax &＃61; sns.heatmap(uniform_data, vmin&＃61;0, vmax&＃61;1)

normal_data &＃61; np.random.randn(10, 12)
ax &＃61; sns.heatmap(normal_data, center&＃61;0)

flights &＃61; sns.load_dataset("flights") # 从seaborn 下载样例数据
flights &＃61; flights.pivot("month", "year", "passengers")
ax &＃61; sns.heatmap(flights)

ax &＃61; sns.heatmap(flights, annot&＃61;True, fmt&＃61;"d")

ax &＃61; sns.heatmap(flights, linewidths&＃61;.5)

ax &＃61; sns.heatmap(flights, cmap&＃61;"YlGnBu")

ax &＃61; sns.heatmap(flights, center&＃61;flights.loc["Jan", 1955])

data &＃61; np.random.randn(50, 20)
ax &＃61; sns.heatmap(data, xticklabels&＃61;2, yticklabels&＃61;False)

ax &＃61; sns.heatmap(flights, cbar&＃61;False)

 官方文档&＃xff1a;

seaborn.heatmap — seaborn 0.11.2 documentation (pydata.org)