Seaborn热图绘制

%matplotlib inlineimport matplotlib.pyplot as pltimport numpy as np;np.random.seed(0)import seaborn as sns;sns.set()热图根本

seaborn.heatmap(data, vmin=None, vmax=None, cmap=None, center=None, robust=False, annot=None, fmt='.2g', annotkws=None, linewidths=0, linecolor='white', cbar=True, cbarkws=None, cbar_ax=None, square=False, ax=None, xticklabels=True, yticklabels=True, mask=None, kwargs)data：矩阵数据集，可以使numpy的数组（array），如果是pandas的dataframe，则df的index/column信息会分别对应到heatmap的columns和rowslinewidths,热力争矩阵之间的间隔大小vmax,vmin, 图例中最大值和最小值的显示值，没有该参数时默认不显示cmap：matplotlib的colormap名称或颜色工具；如果没有供应，默认为cubehelix map (数据集为连续数据集时) 或 RdBu_r (数据集为离散数据集时)center:将数据设置为图例中的均值数据，即图例中央的数据值；通过设置center值，可以调度天生的图像颜色的整体深浅；设置center数据时，如果有数据溢出，则手动设置的vmax、vmin会自动改变xticklabels: 如果是True，则绘制dataframe的列名。
如果是False，则不绘制列名。
如果是列表，则绘制列表中的内容作为xticklabels。
如果是整数n，则绘制列名，但每个n绘制一个label。
默认为True。
yticklabels: 如果是True，则绘制dataframe的行名。
如果是False，则不绘制行名。
如果是列表，则绘制列表中的内容作为yticklabels。
如果是整数n，则绘制列名，但每个n绘制一个label。
默认为True。
默认为True。
annotate的缩写，annot默认为False，当annot为True时，在heatmap中每个方格写入数据annot_kws，当annot为True时，可设置各个参数，包括大小，颜色，加粗，斜体字等fmt，格式设置

uniform_data = np.random.rand(3, 3) #天生数据print (uniform_data)heatmap = sns.heatmap(uniform_data) # 天生热力争

[[ 0.64272796 0.0229858 0.21897478] [ 0.41076627 0.28860677 0.94805105] [ 0.96513582 0.57781451 0.96400349]]

# 改变颜色映射的值范围ax = sns.heatmap(uniform_data, vmin=0.2, vmax=1)

#为以0为中央的数据绘制一张热图ax = sns.heatmap(uniform_data, center=0)

案例剖析

flights = sns.load_dataset("flights") #加载航班数据集flights.head() #显示部分数据

Python数据分析之Seaborn热图绘制

flights = flights.pivot("month", "year", "passengers") #修正数据排列flights.head()

ax = sns.heatmap(flights) #绘制热图

ax = sns.heatmap(flights, annot=True,fmt="d") #在heatmap中每个方格写入数据，按照整数形式

ax = sns.heatmap(flights, linewidths=.5) #热力争矩阵之间的间隔大小

ax = sns.heatmap(flights, cmap="YlGnBu") #修正热图颜色

ax = sns.heatmap(flights, cbar=False) #不显示热图图例

参考

[Style functions]http://seaborn.pydata.org/tutorial/aesthetics.html#aesthetics-tutorial

[Color palettes]http://seaborn.pydata.org/tutorial/color_palettes.html#palette-tutorial

[Distribution plots]http://seaborn.pydata.org/tutorial/distributions.html#distribution-tutorial

[Categorical plots]http://seaborn.pydata.org/tutorial/categorical.html#categorical-tutorial

[Regression plots]http://seaborn.pydata.org/tutorial/regression.html#regression-tutorial

[Axis grid objects]http://seaborn.pydata.org/tutorial/axis_grids.html#grid-tutorial[10分钟python图表绘制]https://zhuanlan.zhihu.com/p/24464836

干系人工智能与异构打算的知识分享，欢迎关注我的"大众年夜众号【AI异构】