数据可视化案例(19)-Seaborn系列 | 热力图heatmap()

Posted 2021-04-28 数据分析与可视化学研社

本篇是《Seaborn系列》文章的第19篇-热力图。

第一篇：

第二篇：

第三篇：

第四篇：

第五篇：

第六篇：

第七篇：

第八篇：

第九篇：

第十篇：

第十一篇：

第十二篇：

第十三篇：

第十四篇：

第十五篇：

第十六篇：

第十七篇：

第十八篇：

案例代码：(欢迎给表哥Star一下)

https://github.com/Vambooo/SeabornCN

seaborn.heatmap()热力图

将矩形数据绘制成颜色编码矩阵

函数原型：

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)

参数解读：

data:矩形数据集可以强制转换为ndarray的2D数据，如果提供了Pandas DataFrame,则索引/列信息将用于标记列和行。
vmin,vmax：float作用：锚定颜色图的值
cmap:matplotlib颜色图名称或对象，或者颜色列表作用：指定从数据值到颜色空间的映射。如果未提供，则默认值取决于是否设置了中心。
center:float作用：绘制不同数据时将颜色图居中的值，如果未指定，则使用此参数将更改默认的cmap
robust:bool作用：如果不为True且vmin或vmax不存在，则使用稳健的分位数而不是极值来计算色图范围。
linewidths:线宽 float作用：将划分每个单元格的线宽度
linecolor:线颜色作用：指定每个单元格的线的颜色
cbar:bool作用：指定是否绘制颜色条

案例教程

import numpy as npimport matplotlib.pyplot as pltimport seaborn as snssns.set()np.random.seed(0)# 生成0-1 均匀分布的随机数 10x12"""知识点：np.random.rand()通过本函数可以返回一个或一组服从“0~1”均匀分布的随机样本值.随机样本取值范围是[0,1)，不包括1。"""uniform_data = np.random.rand(10, 12)"""案例1：对10x12的数据绘制热力图"""sns.heatmap(uniform_data)plt.show()

import numpy as npimport matplotlib.pyplot as pltimport seaborn as snssns.set()np.random.seed(0)# 生成0-1 均匀分布的随机数 10x12"""知识点：np.random.rand()通过本函数可以返回一个或一组服从“0~1”均匀分布的随机样本值.随机样本取值范围是[0,1)，不包括1。"""uniform_data = np.random.rand(10, 12)"""案例2：更改 colormap的限制：vmin=0, vmax=1"""sns.heatmap(uniform_data, vmin=0, vmax=1)plt.show()

import numpy as npimport matplotlib.pyplot as pltimport seaborn as snssns.set()np.random.seed(0)# 生成服从标准正态分布的随机数 10x12"""知识点：np.random.randn()通过本函数可以返回一个或一组服从标准正态分布的随机样本值。"""normal_data = np.random.randn(10, 12)"""案例3：更改 colormap的限制：vmin=0, vmax=1"""sns.heatmap(normal_data, center=0)plt.show()

import matplotlib.pyplot as pltimport seaborn as snssns.set()# 构建数据flights = sns.load_dataset("flights")flights = flights.pivot("month", "year", "passengers")"""案例4：直接对dataFrame数据进行热力图显示"""sns.heatmap(flights)plt.show()

import matplotlib.pyplot as pltimport seaborn as snssns.set()# 构建数据flights = sns.load_dataset("flights")flights = flights.pivot("month", "year", "passengers")"""案例5：对每个单元格进行数值显示"""sns.heatmap(flights, annot=True, fmt="d")plt.show()

import matplotlib.pyplot as pltimport seaborn as snssns.set()# 构建数据flights = sns.load_dataset("flights")flights = flights.pivot("month", "year", "passengers")"""案例6：绘制每个单元格的边框"""sns.heatmap(flights, linewidths=.5)plt.show()

import matplotlib.pyplot as pltimport seaborn as snssns.set()# 构建数据flights = sns.load_dataset("flights")flights = flights.pivot("month", "year", "passengers")"""案例7：使用不同的colormap进行颜色显示"""sns.heatmap(flights, cmap="YlGnBu")plt.show()

import numpy as npimport matplotlib.pyplot as pltimport seaborn as snssns.set()# 构建数据data = np.random.randn(50, 20)"""案例8：每隔一列打印标签，不打印行标签"""sns.heatmap(data, xticklabels=2, yticklabels=False)plt.show()

import matplotlib.pyplot as pltimport seaborn as snssns.set()# 构建数据flights = sns.load_dataset("flights")flights = flights.pivot("month", "year", "passengers")"""案例9：不绘制颜色条"""sns.heatmap(flights, cbar=False)plt.show()

import numpy as npimport matplotlib.pyplot as pltimport seaborn as snssns.set()# 构建数据corr = np.corrcoef(np.random.randn(10, 200))mask = np.zeros_like(corr)"""案例10：利用mask 只绘制矩阵一半"""mask[np.triu_indices_from(mask)] = Truewith sns.axes_style("white"): sns.heatmap(corr, mask=mask, vmax=.3, square=True)plt.show()

上述案例代码：

https://github.com/Vambooo/SeabornCN

数据挖掘分析可视化交流群成立啦

表哥画图已经创建数据挖掘分析可视化交流群。

喜欢数据挖掘分析可视化的朋友扫码添加，表哥拉你进群。

(请务必填写备注: eg. 数据分析)

长按加群

欢迎 转发、给个"在看"