46_Pandas,Python,Seaborn热图的生成

Python 的可视化库 seaborn 可以轻松创建可视化 2D 数据的热图。

使用 seaborn.heatmap() 函数。

Pandas 不是必须的，但是如果使用pandas.DataFrame 作为2D 数据，行列名会显示为x 轴和y 轴标签，很方便。

这里，将描述以下内容。

seaborn.heatmap()函数的基本用法
- 作为对象操作
seaborn.heatmap() 函数的主要参数
- 显示编号：annot
- 显示/隐藏颜色条：cbar
- 显示为正方形：square
- 指定最大值、最小值、中位数：vmax、vmin、center
- 指定颜色（颜色图）：cmap
- 指定尺寸

导入以下库。

import seaborn as sns
import pandas as pd
import numpy as np
import matplotlib as mpl
import matplotlib.pyplot as plt

seaborn.heatmap()函数的基本用法

在seaborn.heatmap()的第一个参数data中指定要可视化的二维数组。

可以指定 Python 列表、numpy.ndarray 和 pandas.DataFrame 的二维数组。

对于 Python 列表的二维数组（列表列表）。

list_2d = [[0, 1, 2], [3, 4, 5]]sns.heatmap(list_2d)

使用plt.savefig()保存为图像文件，plt.show()使用OS图像显示程序显示而不是保存文件。

创建重复图时注意，除非用plt.figure()生成新图或用plt.clf()初始化，否则之前的绘制结果可能会保留。

此外，如果生成多个数字（默认为 20 或更多），则会发出警告。在plt.savefig()或者plt.show()之后执行plt.close(‘all’)就可以了。

plt.figure()
sns.heatmap(list_2d)
plt.savefig('./data/46/seaborn_heatmap_list.png')
plt.close('all')

对于 numpy.ndarray。

arr_2d = np.arange(-8, 8).reshape((4, 4))
print(arr_2d)
# [[-8 -7 -6 -5]
#  [-4 -3 -2 -1]
#  [ 0  1  2  3]
#  [ 4  5  6  7]]plt.figure()
sns.heatmap(arr_2d)
plt.savefig('./data/46/seaborn_heatmap_ndarray.png')

对于 pandas.DataFrame。在 pandas.DataFrame 中，行名索引和列名列显示为 x 轴 / y 轴标签。

df = pd.DataFrame(data=arr_2d, index=['a', 'b', 'c', 'd'], columns=['A', 'B', 'C', 'D'])
print(df)
#    A  B  C  D
# a -8 -7 -6 -5
# b -4 -3 -2 -1
# c  0  1  2  3
# d  4  5  6  7plt.figure()
sns.heatmap(df)
plt.savefig('./data/46/seaborn_heatmap_dataframe.png')

作为对象操作

seaborn.heatmap() 返回一个 Matplotlib AxesSubplot 对象。

print(type(sns.heatmap(list_2d)))
# <class 'matplotlib.axes._subplots.AxesSubplot'>

默认情况下，它在活动子图中绘制，但您可以使用 seaborn.heatmap() 的参数 ax 指定任何子图并绘制它。

fig = plt.figure()
ax = fig.add_subplot(1, 1, 1)
sns.heatmap(list_2d, ax=ax)
fig.savefig('./data/46/seaborn_heatmap_list.png')

fig, axes = plt.subplots(nrows=2, ncols=3, figsize=(8, 6))
sns.heatmap(list_2d, ax=axes[0, 0])
sns.heatmap(arr_2d, ax=axes[1, 2])
fig.savefig('./data/46/seaborn_heatmap_list_sub.png')

seaborn.heatmap() 函数的主要参数

显示编号：annot

设置 annot = True 以在热图上显示值。

sns.heatmap(df, annot=True)

显示/隐藏颜色条：cbar

设置 cbar = False 以隐藏颜色条。

sns.heatmap(df, cbar=False)

显示为正方形：square

如果 square = True，则热图将绘制为正方形。

sns.heatmap(df, square=True)

指定最大值、最小值、中位数：vmax、vmin、center

热图的最大值、最小值和中值分别由 vmax、vmin 和 center 指定。

sns.heatmap(df, vmax=10, vmin=-10, center=0)

指定颜色（颜色图）：cmap

颜色由 cmap 指定。您可以按原样使用可与 Matplotlib 一起使用的颜色图。

sns.heatmap(df, cmap='hot')

将 _r 添加到颜色图字符串会颠倒颜色的顺序。

sns.heatmap(df, cmap='Blues')

sns.heatmap(df, cmap='Blues_r')

指定尺寸

生成图像的大小由figsize（单位：英寸）和dpi（每英寸点数）决定。

figsize由plt.figure()或plt.subplots()的参数指定，dpi由savefig()的参数指定。

每个都可以按如下方式确认和更改。

current_figsize = mpl.rcParams['figure.figsize']
print(current_figsize)
# [6.0, 4.0]plt.figure(figsize=(9, 6))
sns.heatmap(df, square=True)
plt.savefig('./data/46/seaborn_heatmap_big.png')

current_dpi = mpl.rcParams['figure.dpi']
print(current_dpi)
# 72.0plt.figure()
sns.heatmap(df, square=True)
plt.savefig('./data/46/seaborn_heatmap_big_2.png', dpi=current_dpi * 1.5)