目錄

Python數據處理從零開始----第四章（可視化）①③多變量繪圖

Python數據處理從零開始----第四章（可視化）（14）使用seaborn繪制熱圖

seaborn.heatmapHeat maps顯示數字表格數據，其中單元格根據包含的值著色。 熱圖非常適合使這種數據的趨勢更加明顯，特別是在訂購數據并且存在聚類時。

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。

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'

linewidths : 劃分每個單元格的線的寬度。

linecolor：劃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

舉例說明：

繪制一個numpy數組的熱圖：

import numpy as np; np.random.seed(0)

import seaborn as sns; sns.set()

uniform_data = np.random.rand(10, 12)

ax = sns.heatmap(uniform_data)

image

更改色彩圖的限制：

import numpy as np; np.random.seed(0)

import seaborn as sns; sns.set()

uniform_data = np.random.rand(10, 12)

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

image

以0為中心的數據繪制熱圖：

import numpy as np; np.random.seed(0)

import seaborn as sns; sns.set()

normal_data = np.random.randn(10, 12)

ax = sns.heatmap(normal_data, center=0)

image

用有意義的行和列標簽繪制數據框：

import numpy as np; np.random.seed(0)

import seaborn as sns; sns.set()

flights = sns.load_dataset("flights")

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

ax = sns.heatmap(flights)

image

使用整數格式用數值注釋每個單元格：

import numpy as np; np.random.seed(0)

import seaborn as sns; sns.set()

flights = sns.load_dataset("flights")

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

ax = sns.heatmap(flights, annot=True, fmt="d")

image

在每個單元格之間添加行：

import numpy as np; np.random.seed(0)

import seaborn as sns; sns.set()

flights = sns.load_dataset("flights")

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

ax = sns.heatmap(flights, linewidths=.5)

image

使用不同的顏色表：

import numpy as np; np.random.seed(0)

import seaborn as sns; sns.set()

flights = sns.load_dataset("flights")

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

ax = sns.heatmap(flights, cmap="YlGnBu")

image

以特定值居中色彩圖：

import numpy as np; np.random.seed(0)

import seaborn as sns; sns.set()

flights = sns.load_dataset("flights")

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

ax = sns.heatmap(flights, center=flights.loc["January", 1955])

image

繪制每個其他列標簽并且不要繪制行標簽：

import numpy as np; np.random.seed(0)

import seaborn as sns; sns.set()

data = np.random.randn(50, 20)

ax = sns.heatmap(data, xticklabels=2, yticklabels=False)

image

不要繪制顏色條：

import numpy as np; np.random.seed(0)

import seaborn as sns; sns.set()

data = np.random.randn(10, 10)

ax = sns.heatmap(data, cbar=False)

image

對色條使用不同的軸：

import numpy as np; np.random.seed(0)

import seaborn as sns; sns.set()

import matplotlib.pyplot as plt

flights = sns.load_dataset("flights")

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

grid_kws = {"height_ratios": (.9, .05), "hspace": .3}

f, (ax, cbar_ax) = plt.subplots(2, gridspec_kw=grid_kws)

ax = sns.heatmap(flights, ax=ax,cbar_ax=cbar_ax,cbar_kws={"orientation": "horizontal"})

image

使用掩碼只繪制矩陣的一部分：

import numpy as np; np.random.seed(0)

import seaborn as sns; sns.set()

corr = np.corrcoef(np.random.randn(10, 200))

mask = np.zeros_like(corr)

mask[np.triu_indices_from(mask)] = True

with sns.axes_style("white"):

ax = sns.heatmap(corr, mask=mask, vmax=.3, square=True)

image

import numpy as np; np.random.seed(0)

import seaborn as sns; sns.set()

import matplotlib.pyplot as plt

data = np.random.rand(10, 12)

f, ax = plt.subplots(figsize=(8,5))

ax = sns.heatmap(data,cmap = 'RdBu',ax=ax,vmin=0, vmax=1,annot=True,fmt ='0.1g')

#設置坐標字體方向

label_y = ax.get_yticklabels()

plt.setp(label_y, rotation=45, horizontalalignment='right')

label_x = ax.get_xticklabels()

plt.setp(label_x, rotation=45, horizontalalignment='right')

plt.xlabel('x.num')#設置坐標名稱

plt.ylabel('y.num')

plt.title('Plotting')#標題

plt.show()

image

總結

以上是生活随笔為你收集整理的python科赫曲线绘制正方形_Python数据处理从零开始----第四章（可视化）（14）使用seaborn绘制热图...的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。