Seaborn.heatmap() 方法

Seaborn.heatmap() 方法用於繪製矩形資料，以顏色編碼矩陣的形式呈現。

讓我們首先定義熱力圖：

熱力圖是一種資料視覺化工具，它以顏色的形式顯示某種現象的強度。色調和強度屬性用於描繪繪製在熱力圖上的資料的變化。這些通常顯示所繪製現象的性質；它是在空間上聚集還是分散。

語法

以下是 seaborn.heatmap() 方法的語法：

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)

引數

下面討論 heatmap() 方法的一些引數。

序號	引數及描述
1	資料它接收矩形資料集作為輸入。一個可以強制轉換為二維資料集的 ndarray。如果提供 Pandas DataFrame，則將使用索引和列資訊標記列和行。
2	Vmin, vmax 此可選引數接收浮點值作為輸入，這些值用作顏色對映錨點；如果沒有，則將使用資料和其他關鍵字引數來推斷它們。
3	Cmap 此可選引數接收 matplotlib 顏色或顏色列表作為輸入。它執行將資料值轉換為顏色空間的轉換。如果未指定，則預設值取決於是否設定了 center。
4	Center 接收浮點值作為輸入，並確定在繪製發散資料時顏色對映的中心值。
5	Mask 接收布林陣列或 DataFrame，是一個可選引數。如果傳遞，則在 mask 為 True 的單元格中不會顯示資料。
6	Robust 此可選引數接收布林值，如果為 True 且不存在 vmin 或 vmax，則顏色對映範圍使用穩健分位數而不是極值生成。
7	Linewidth 接收浮點值，並確定分割每個單元格的線的寬度。
8	linecolor 接收顏色作為輸入，並確定分割每個單元格的線的顏色。
9	cbar 接收布林值，並確定是否應繪製顏色條。

返回值

此方法返回帶有已繪製熱力圖的 axes 物件。讓我們在繼續開發繪圖之前載入 seaborn 庫和資料集。

載入 seaborn 庫

要載入或匯入 seaborn 庫，可以使用以下程式碼行。

Import seaborn as sns

載入資料集

在本文中，我們將使用 seaborn 庫中內建的 flights 資料集。使用以下命令載入資料集。

flights=sns.load_dataset("flights")

以下命令用於檢視資料集中前 5 行。這使我們能夠了解可以使用哪些變數來繪製圖表。

flights.head()

以下是上述程式碼的輸出。

index,year,passengers
0,1949,112
1,1949,118
2,1949,132
3,1949,129
4,1949,121

現在我們已經載入了資料集，我們將探索一些示例。

示例 1

在這個示例中，我們將瞭解如何為陣列資料繪製熱力圖。我們首先匯入 numpy 庫，然後重置種子，以便每次迭代都獲得相同的值，這使得繪製地圖更容易。

然後，我們將設定繪圖的主題，在這個示例中，主題設定為 poster。seaborn 中的 set_theme() 方法可以取 paper、notebook、talk 和 poster 值。

import numpy as np
np.random.seed(0)
sns.set_theme("poster")
#"paper", "notebook", "talk", "poster values for set_theme

然後，我們將生成範圍從 5 到 7 的隨機數並將它們儲存在矩陣中。此矩陣作為引數傳遞給 seaborn.heatmap() 方法，然後獲得範圍從 5 到 7 的隨機數的繪圖。

import seaborn as sns
import matplotlib.pyplot as plt
import numpy as np
flights=sns.load_dataset("flights")
flights.head()
np.random.seed(0)
sns.set_theme("poster")
data = np.random.rand(5, 7)
sns.heatmap(data)
plt.show()

輸出

生成的圖表附在下面。

示例 2

現在我們已經繪製了 heatmap()，我們將瞭解其一些引數的工作原理。在這種情況下，我們將使用 vmin 和 vmax 引數並將它們與資料一起傳遞給 heatmap() 方法。

Vmin 和 Vmax 是可選引數，它們接收浮點值作為輸入，這些值用作顏色對映錨點；如果沒有，則將使用資料和其他關鍵字引數來推斷它們。

程式碼和生成的繪圖如下所示。

import seaborn as sns
import matplotlib.pyplot as plt
import numpy as np
flights=sns.load_dataset("flights")
flights.head()
np.random.seed(0)
sns.set_theme("poster")
data = np.random.rand(5, 7)
sns.heatmap(data, vmin=0, vmax=3)
plt.show()

輸出

示例 3

現在我們已經看到了如何從陣列中繪製資料，我們將看到如何從資料集中繪製資料。在下面的示例中，我們使用 flights 資料集。

我們在這個資料集上使用 pivot 函式，以便以第一列是分類的其餘列是數字的方式旋轉資料集。一旦我們實現了這一點，我們將在此旋轉後的資料上繪製熱力圖。

import seaborn as sns
import matplotlib.pyplot as plt
import numpy as np
flights=sns.load_dataset("flights")
flights.head()
np.random.seed(0)
sns.set_theme("poster")
data = np.random.rand(5, 7)
flights = flights.pivot("month", "year", "passengers")
sns.heatmap(flights)
plt.show()

輸出

獲得的繪圖如下所示：

示例 4

在這個示例中，我們將在特定區域或中心建立一個熱力圖。為此，我們需要將值傳遞給 heatmap 方法的 center 引數。center 引數包含在繪製發散資料時顏色對映應居中的點。

此示例中的中心是 1995 年 1 月，生成的繪圖如下所示。

import seaborn as sns
import matplotlib.pyplot as plt
import numpy as np
flights=sns.load_dataset("flights")
flights.head()
np.random.seed(0)
sns.set_theme("poster")
data = np.random.rand(5, 7)
flights = flights.pivot("month", "year", "passengers")
sns.heatmap(flights, center=flights.loc["Jan", 1955])
plt.show()

輸出

seaborn_matrix_plots_introduction.htm

列印頁面