熱力圖

1、利用熱力圖可以看資料表裡多個特徵兩兩的相似度。參考官方API引數及地址：

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)

（1）熱力圖輸入資料引數:

data:矩陣資料集，可以是numpy的陣列（array），也可以是pandas的DataFrame。如果是DataFrame，則df的index/column資訊會分別對應到heatmap的columns和rows，即pt.index是熱力圖的行標，pt.columns是熱力圖的列標

（2）熱力圖矩陣塊顏色引數:

vmax,vmin:分別是熱力圖的顏色取值最大和最小範圍，預設是根據data資料表裡的取值確定
cmap:從數字到色彩空間的對映，取值是matplotlib包裡的colormap名稱或顏色物件，或者表示顏色的列表；改引數預設值：根據center引數設定
center

:資料表取值有差異時，設定熱力圖的色彩中心對齊值；通過設定center值，可以調整生成的影象顏色的整體深淺；設定center資料時，如果有資料溢位，則手動設定的vmax、vmin會自動改變
robust:預設取值False；如果是False，且沒設定vmin和vmax的值，熱力圖的顏色對映範圍根據具有魯棒性的分位數設定，而不是用極值設定

（3）熱力圖矩陣塊註釋引數:

annot(annotate的縮寫):預設取值False；如果是True，在熱力圖每個方格寫入資料；如果是矩陣，在熱力圖每個方格寫入該矩陣對應位置資料
fmt:字串格式程式碼，矩陣上標識數字的資料格式，比如保留小數點後幾位數字
annot_kws

:預設取值False；如果是True，設定熱力圖矩陣上數字的大小顏色字型，matplotlib包text類下的字型設定；官方文件：

（4）熱力圖矩陣塊之間間隔及間隔線引數：

linewidths:定義熱力圖裡“表示兩兩特徵關係的矩陣小塊”之間的間隔大小
linecolor:切分熱力圖上每個矩陣小塊的線的顏色，預設值是’white’

（5）熱力圖顏色刻度條引數：

cbar:是否在熱力圖側邊繪製顏色刻度條，預設值是True
cbar_kws:熱力圖側邊繪製顏色刻度條時，相關字型設定，預設值是None
cbar_ax:熱力圖側邊繪製顏色刻度條時，刻度條位置設定，預設值是None

（6）square:設定熱力圖矩陣小塊形狀，預設值是False

xticklabels, yticklabels:xticklabels控制每列標籤名的輸出；yticklabels控制每行標籤名的輸出。預設值是auto。如果是True，則以DataFrame的列名作為標籤名。如果是False，則不新增行標籤名。如果是列表，則標籤名改為列表中給的內容。如果是整數K，則在圖上每隔K個標籤進行一次標註。 如果是auto，則自動選擇標籤的標註間距，將標籤名不重疊的部分(或全部)輸出
mask:控制某個矩陣塊是否顯示出來。預設值是None。如果是布林型的DataFrame，則將DataFrame裡True的位置用白色覆蓋掉
ax:設定作圖的座標軸，一般畫多個子圖時需要修改不同的子圖的該值
**kwargs:All other keyword arguments are passed to ax.pcolormesh

熱力圖矩陣塊顏色引數

#cmap(顏色)

import matplotlib.pyplot as plt
% matplotlib inline

f, (ax1,ax2) = plt.subplots(figsize = (6,4),nrows=2)

# cmap用cubehelix map顏色
cmap = sns.cubehelix_palette(start = 1.5, rot = 3, gamma=0.8, as_cmap = True)
sns.heatmap(pt, linewidths = 0.05, ax = ax1, vmax=900, vmin=0, cmap=cmap)
ax1.set_title('cubehelix map')
ax1.set_xlabel('')
ax1.set_xticklabels([]) #設定x軸圖例為空值
ax1.set_ylabel('kind')

# cmap用matplotlib colormap
sns.heatmap(pt, linewidths = 0.05, ax = ax2, vmax=900, vmin=0, cmap='rainbow') 
# rainbow為 matplotlib 的colormap名稱
ax2.set_title('matplotlib colormap')
ax2.set_xlabel('region')
ax2.set_ylabel('kind')

#center的用法(顏色)

f, (ax1,ax2) = plt.subplots(figsize = (6, 4),nrows=2)

cmap = sns.cubehelix_palette(start = 1.5, rot = 3, gamma=0.8, as_cmap = True)
sns.heatmap(pt, linewidths = 0.05, ax = ax1, cmap=cmap, center=None )
ax1.set_title('center=None')
ax1.set_xlabel('')
ax1.set_xticklabels([]) #設定x軸圖例為空值
ax1.set_ylabel('kind')

# 當center設定小於資料的均值時，生成的圖片顏色要向0值代表的顏色一段偏移
sns.heatmap(pt, linewidths = 0.05, ax = ax2, cmap=cmap, center=200)   
ax2.set_title('center=3000')
ax2.set_xlabel('region')
ax2.set_ylabel('kind')

#robust的用法(顏色)

f, (ax1,ax2) = plt.subplots(figsize = (6,4),nrows=2)

cmap = sns.cubehelix_palette(start = 1.5, rot = 3, gamma=0.8, as_cmap = True)

sns.heatmap(pt, linewidths = 0.05, ax = ax1, cmap=cmap, center=None, robust=False )
ax1.set_title('robust=False')
ax1.set_xlabel('')
ax1.set_xticklabels([]) #設定x軸圖例為空值
ax1.set_ylabel('kind')

sns.heatmap(pt, linewidths = 0.05, ax = ax2, cmap=cmap, center=None, robust=True ) 
ax2.set_title('robust=True')
ax2.set_xlabel('region')
ax2.set_ylabel('kind')

熱力圖矩陣塊註釋引數

#annot(矩陣上數字),annot_kws(矩陣上數字的大小顏色字型)matplotlib包text類下的字型設定

import numpy as np
np.random.seed(20180316)
x = np.random.randn(4, 4)

f, (ax1, ax2) = plt.subplots(figsize=(6,6),nrows=2)

sns.heatmap(x, annot=True, ax=ax1)

sns.heatmap(x, annot=True, ax=ax2, annot_kws={'size':9,'weight':'bold', 'color':'blue'})
# Keyword arguments for ax.text when annot is True.  http://stackoverflow.com/questions/35024475/seaborn-heatmap-key-words

#fmt(字串格式程式碼，矩陣上標識數字的資料格式，比如保留小數點後幾位數字)

import numpy as np
np.random.seed(0)
x = np.random.randn(4,4)

f, (ax1, ax2) = plt.subplots(figsize=(6,6),nrows=2)

sns.heatmap(x, annot=True, ax=ax1)

sns.heatmap(x, annot=True, fmt='.1f', ax=ax2)

熱力圖矩陣塊之間間隔及間隔線引數

#linewidths(矩陣小塊的間隔),linecolor(切分熱力圖矩陣小塊的線的顏色)

import matplotlib.pyplot as plt
f, ax = plt.subplots(figsize = (6,4))
cmap = sns.cubehelix_palette(start = 1, rot = 3, gamma=0.8, as_cmap = True)   
sns.heatmap(pt, cmap = cmap, linewidths = 0.05, linecolor= 'red', ax = ax)   
ax.set_title('Amounts per kind and region')
ax.set_xlabel('region')
ax.set_ylabel('kind')

#xticklabels，yticklabels橫軸和縱軸的標籤名輸出

import matplotlib.pyplot as plt
f, (ax1,ax2) = plt.subplots(figsize = (5,5),nrows=2)

cmap = sns.cubehelix_palette(start = 1.5, rot = 3, gamma=0.8, as_cmap = True)

p1 = sns.heatmap(pt, ax=ax1, cmap=cmap, center=None, xticklabels=False)
ax1.set_title('xticklabels=None',fontsize=8)

p2 = sns.heatmap(pt, ax=ax2, cmap=cmap, center=None, xticklabels=2, yticklabels=list(range(5))) 
ax2.set_title('xticklabels=2, yticklabels is a list',fontsize=8)
ax2.set_xlabel('region')

#mask對某些矩陣塊的顯示進行覆蓋

f, (ax1,ax2) = plt.subplots(figsize = (5,5),nrows=2)

cmap = sns.cubehelix_palette(start = 1.5, rot = 3, gamma=0.8, as_cmap = True)

p1 = sns.heatmap(pt, ax=ax1, cmap=cmap, xticklabels=False, mask=None)
ax1.set_title('mask=None')
ax1.set_ylabel('kind')

p2 = sns.heatmap(pt, ax=ax2, cmap=cmap, xticklabels=True, mask=(pt<800))   
#mask對pt進行布林型轉化,結果為True的位置用白色覆蓋
ax2.set_title('mask: boolean DataFrame')
ax2.set_xlabel('region')
ax2.set_ylabel('kind')

用mask實現：突出顯示某些資料

f,(ax1,ax2) = plt.subplots(figsize=(4,6),nrows=2)
x = np.array([[1,2,3],[2,0,1],[-1,-2,0]])
sns.heatmap(x, annot=True, ax=ax1)
sns.heatmap(x, mask=x < 1, ax=ax2, annot=True, annot_kws={"weight": "bold"})   #把小於1的區域覆蓋掉

本文為轉載，原地址：https://blog.csdn.net/cymy001/article/details/79576019。點選開啟連結