python如何實現視覺化熱力學圖

這篇文章主要介紹了python如何實現視覺化熱力圖,小編覺得挺不錯的，現在分享給大家，也給大家做個參考。一起跟著小編過來看看吧

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參數及地址：

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='auto', yticklabels='auto', mask= None, ax=None,**kwargs)

（1）熱力圖輸入資料參數:

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）熱力學圖矩陣區塊顏色參數:

vmax,vmin:分別為熱力圖的顏色取值最大和最小範圍，預設是根據data資料表裡的取值決定
cmap:從數字到色彩空間的映射，取值是matplotlib套件裡的colormap名稱或顏色對象，或表示顏色的清單；改參數預設值：根據center參數設定
center:資料表取值有差異時，設定熱力圖的色彩中心對齊值；透過設定center值，可以調整產生的影像顏色的整體深淺；設定center資料時，如果有資料溢出，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，熱力圖的顏色映射範圍根據具有穩健性的分位數設定，而不是用極值設定

（3）熱力圖矩陣區塊註解參數:

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，在熱力學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，例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體，matplotlib包text類別下的字體設定；官方文件：

（4）熱力圖矩陣區塊之間間隔及間隔線參數：

linewidths:定義熱力學圖裡“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）熱力圖顏色刻度條參數：

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，相關字體設置，預設值是None
cbar_ax:熱力學圖側邊繪製顏色刻度條時，刻度條位置設置，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，則標籤名稱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，將標籤名稱不重疊的部分(或全部)輸出
mask:控制某個矩陣區塊是否顯示出來。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

熱力圖矩陣塊顏色參數

#cmap(颜色)

import matplotlib.pyplot as plt
% matplotlib inline

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

# cmap用cubehelix map颜色
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([]) #设置x轴图例为空值
ax1.set_ylabel('kind')

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

#center的用法(颜色)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([]) #设置x轴图例为空值ax1.set_ylabel('kind')# 当center设置小于数据的均值时，生成的图片颜色要向0值代表的颜色一段偏移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(颜色)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([]) #设置x轴图例为空值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')

#熱力圖矩陣區塊註解參數

#annot(矩阵上数字),annot_kws(矩阵上数字的大小颜色字体)matplotlib包text类下的字体设置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(字符串格式代码，矩阵上标识数字的数据格式，比如保留小数点后几位数字)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)

热力图矩阵块之间间隔及间隔线参数

#linewidths(矩阵小块的间隔),linecolor(切分热力图矩阵小块的线的颜色)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横轴和纵轴的标签名输出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对某些矩阵块的显示进行覆盖

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对pt进行布尔型转化,结果为True的位置用白色覆盖
ax2.set_title(&#39;mask: boolean DataFrame&#39;)
ax2.set_xlabel(&#39;region&#39;)
ax2.set_ylabel(&#39;kind&#39;)

用mask实现：突出显示某些数据

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"})   #把小于1的区域覆盖掉

以上是python如何實現視覺化熱力學圖的詳細內容。更多資訊請關注PHP中文網其他相關文章！