Python資料處理從零開始----第四章（視覺化）（14）使用seaborn繪製熱圖

摘要： 目錄 Python資料處理從零開始----第四章（視覺化）①Matplotlib包 Python資料處理從零開始----第四章（視覺化）②圖形和軸 Python資料處理從零開始----第四章（視覺化）③散點圖和誤差棒 Python資料處理從零開始----第四章（視...

目錄

Python資料處理從零開始----第四章（視覺化）①Matplotlib包

Python資料處理從零開始----第四章（視覺化）②圖形和軸

Python資料處理從零開始----第四章（視覺化）③散點圖和誤差棒

Python資料處理從零開始----第四章（視覺化）④誤差圖

Python資料處理從零開始----第四章（視覺化）⑤（韋恩圖）

Python資料處理從零開始----第四章（視覺化）⑥（畫布設定）

Python資料處理從零開始----第四章（視覺化）⑦（多圖合併)

Python資料處理從零開始----第四章（視覺化）⑧火山圖

Python資料處理從零開始----第四章（視覺化）⑨線性相關曲線

Python資料處理從零開始----第四章（視覺化）⑩ROC曲線

Python資料處理從零開始----第四章（視覺化）①①多分類ROC曲線

Python資料處理從零開始----第四章（視覺化）①②堆積柱狀圖

Python資料處理從零開始----第四章（視覺化）①③多變數繪圖

Python資料處理從零開始----第四章（視覺化）（14）使用seaborn繪製熱圖

seaborn.heatmapHeat maps顯示數字表格資料，其中單元格根據包含的值著色。 熱圖非常適合使這種資料的趨勢更加明顯，特別是在訂購資料並且存在聚類時。

vmin, vmax : 顯示的資料值的最大和最小的範圍

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

**cmap : matplotlib顏色表名稱或物件，或顏色列表，可選從資料值到色彩空間的對映。

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對映範圍，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，則將資料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 :表格裡顯示資料的型別

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 :是否繪製顏色條：colorbar，預設繪製

cbar_kws : 未知**cbar_ax : **顯示x-y座標，而不是節點的編號

square :為‘True’時，整個網格為一個正方形

xticklabels, yticklabels :可以以字串進行命名，也可以調節編號的間隔，也可以不顯示座標

ax = sns.heatmap(uniform_data,cmap = 'RdBu', center=0,cbar = True, square = False,
xticklabels =['12','22'])#字串命名
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)#不顯示座標

舉例說明：
繪製一個numpy陣列的熱圖：

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)

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)

以0為中心的資料繪製熱圖：

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)

用有意義的行和列標籤繪製資料框：

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)

使用整數格式用數值註釋每個單元格：

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")

在每個單元格之間新增行：

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)

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")

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])

繪製每個其他列標籤並且不要繪製行標籤：

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)

不要繪製顏色條：

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)

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"})

使用掩碼只繪製矩陣的一部分：

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)

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')

#設定座標字型方向
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')#設定座標名稱
plt.ylabel('y.num')
plt.title('Plotting')#標題
plt.show()