带有多种配色方案的带注释热图
Posted
技术标签:
【中文标题】带有多种配色方案的带注释热图【英文标题】：Annotated heatmap with multiple color schemes 【发布时间】：2019-06-21 04:20:11 【问题描述】：我有以下数据框，并希望在热图中使用不同的配色方案来区分每个“步骤”中的小数差异。
样本数据：
Sample Step 2 Step 3 Step 4 Step 5 Step 6 Step 7 Step 8
A 64.847 54.821 20.897 39.733 23.257 74.942 75.945
B 64.885 54.767 20.828 39.613 23.093 74.963 75.928
C 65.036 54.772 20.939 39.835 23.283 74.944 75.871
D 64.869 54.740 21.039 39.889 23.322 74.925 75.894
E 64.911 54.730 20.858 39.608 23.101 74.956 75.930
F 64.838 54.749 20.707 39.394 22.984 74.929 75.941
G 64.887 54.781 20.948 39.748 23.238 74.957 75.909
H 64.903 54.720 20.783 39.540 23.028 74.898 75.911
I 64.875 54.761 20.911 39.695 23.082 74.897 75.866
J 64.839 54.717 20.692 39.377 22.853 74.849 75.939
K 64.857 54.736 20.934 39.699 23.130 74.880 75.903
L 64.754 54.746 20.777 39.536 22.991 74.877 75.902
M 64.798 54.811 20.963 39.824 23.187 74.886 75.895
我正在寻找的一个例子：
【问题讨论】：
您能更准确地说明您想要绘制的内容吗？？ 请不要将数据发布为图像，不要被他人复制粘贴，这样更难玩...... @SpghttCd - 我有一些样本数据供人们使用。 【参考方案1】：我的第一种方法是基于具有多个子图的图形。图的数量将等于数据框中的列数；地块之间的差距可以缩小到零：
cm = ['Blues', 'Reds', 'Greens', 'Oranges', 'Purples', 'bone', 'winter']
f, axs = plt.subplots(1, df.columns.size, gridspec_kw='wspace': 0)
for i, (s, a, c) in enumerate(zip(df.columns, axs, cm)):
sns.heatmap(np.array([df[s].values]).T, yticklabels=df.index, xticklabels=[s], annot=True, fmt='.2f', ax=a, cmap=c, cbar=False)
if i>0:
a.yaxis.set_ticks([])
结果：
不确定这是否会带来有用的甚至自我描述的数据可视化，但这是您的选择 - 也许这有助于开始...
补充：
关于添加彩条：当然可以。但是 - 除了不知道您的数据背景和可视化的目的之外 - 我想就所有这些添加一些想法：
首先：将所有这些颜色条作为单独的一组条添加到热图的一侧或下方可能是可能的，但我发现读取数据已经非常困难，另外：你已经有了所有这些注释 - 我认为这一切都会搞砸。 此外：与此同时，@ImportanceOfBeingErnest 提供了关于该主题的如此漂亮的解决方案，这在 imo 中并没有太大意义。
第二：如果你真的想坚持热图的事情，也许分开并给每一列提供它的颜色条会更适合：
cm = ['Blues', 'Reds', 'Greens', 'Oranges', 'Purples', 'bone', 'winter']
f, axs = plt.subplots(1, df.columns.size, figsize=(10, 3))
for i, (s, a, c) in enumerate(zip(df.columns, axs, cm)):
sns.heatmap(np.array([df[s].values]).T, yticklabels=df.index, xticklabels=[s], annot=True, fmt='.2f', ax=a, cmap=c)
if i>0:
a.yaxis.set_ticks([])
f.tight_layout()
但是，所有这些 - 我敢怀疑这是您数据的最佳可视化。当然，我不知道您想对这些图说什么、看到或找到什么，但这就是重点：如果可视化类型符合需求，我想我会知道（或者至少可以想象）。
例如：
一个简单的df.plot() 会导致
我觉得这比热图更能在十分之一秒内说明您的列的不同特征。
或者您是否明确表示每列均值的差异？
(df - df.mean()).plot()
... 或者它们周围每一列的分布？
(df - df.mean()).boxplot()
我想说的是：在你开始/必须解释任何事情之前，当一个情节开始讲述底层数据时，数据可视化变得强大......
【讨论】：
@SpghttCd- 你认为我可以将所有颜色条连同热图一起显示吗？【参考方案2】：我想问题可以分成几个部分。
将具有不同颜色图的多个热图放入同一张图片中。这可以通过按列屏蔽完整数组来完成，通过imshow 分别绘制每个屏蔽数组并应用不同的颜色图。将概念形象化：
获取可变数量的不同颜色图。 Matplotlib 提供了大量的颜色图，但是，它们在亮度和饱和度方面通常非常不同。在这里，似乎希望有不同色调的颜色图，但饱和度和亮度相同。
一种选择是动态创建颜色图，选择n 不同（且等间距）的色调，并使用相同的饱和度和亮度创建颜色图。
为每列获取不同的颜色条。由于列中的值可能具有完全不同的比例，因此需要每列的颜色条来了解显示的值，例如在第一列中，最亮的颜色可能对应于值 1，而在第二列中，它可能对应于值 100。可以在 GridSpec 的轴内创建几个颜色条，它位于实际旁边热图轴。该网格规范的列数和行数将取决于数据框中的列数。
总的来说，这可能如下所示。
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import matplotlib.colors as mcolors
from matplotlib.gridspec import GridSpec
def get_hsvcmap(i, N, rot=0.):
nsc = 24
chsv = mcolors.rgb_to_hsv(plt.cm.hsv(((np.arange(N)/N)+rot) % 1.)[i,:3])
rhsv = mcolors.rgb_to_hsv(plt.cm.Reds(np.linspace(.2,1,nsc))[:,:3])
arhsv = np.tile(chsv,nsc).reshape(nsc,3)
arhsv[:,1:] = rhsv[:,1:]
rgb = mcolors.hsv_to_rgb(arhsv)
return mcolors.LinearSegmentedColormap.from_list("",rgb)
def columnwise_heatmap(array, ax=None, **kw):
ax = ax or plt.gca()
premask = np.tile(np.arange(array.shape[1]), array.shape[0]).reshape(array.shape)
images = []
for i in range(array.shape[1]):
col = np.ma.array(array, mask = premask != i)
im = ax.imshow(col, cmap=get_hsvcmap(i, array.shape[1], rot=0.5), **kw)
images.append(im)
return images
### Create some dataset
ind = list("ABCDEFGHIJKLM")
m = len(ind)
n = 8
df = pd.DataFrame(np.random.randn(m,n) + np.random.randint(20,70,n),
index=ind, columns=[f"Step i" for i in range(2,2+n)])
### Plot data
fig, ax = plt.subplots(figsize=(8,4.5))
ims = columnwise_heatmap(df.values, ax=ax, aspect="auto")
ax.set(xticks=np.arange(len(df.columns)), yticks=np.arange(len(df)),
xticklabels=df.columns, yticklabels=df.index)
ax.tick_params(bottom=False, top=False,
labelbottom=False, labeltop=True, left=False)
### Optionally add colorbars.
fig.subplots_adjust(left=0.06, right=0.65)
rows = 3
cols = len(df.columns) // rows + int(len(df.columns)%rows > 0)
gs = GridSpec(rows, cols)
gs.update(left=0.7, right=0.95, wspace=1, hspace=0.3)
for i, im in enumerate(ims):
cax = fig.add_subplot(gs[i//cols, i % cols])
fig.colorbar(im, cax = cax)
cax.set_title(df.columns[i], fontsize=10)
plt.show()
【讨论】：
以上是关于带有多种配色方案的带注释热图的主要内容，如果未能解决你的问题，请参考以下文章