Mapa ciepła definiuje się jako graficzną reprezentację danych przy użyciu kolorów w celu wizualizacji wartości macierzy. W tym przypadku, aby przedstawić bardziej powszechne wartości lub wyższe aktywności, stosuje się jaśniejsze kolory, w zasadzie kolory czerwonawe, a do przedstawienia mniej powszechnych lub aktywności wartości, preferowane są ciemniejsze kolory. Mapa cieplna jest również definiowana przez nazwę macierzy cieniowania. Mapy cieplne w Seaborn można wykreślać za pomocą funkcji seaborn.heatmap().
seaborn.heatmap()
Składnia: seaborn.mapa cieplna( dane , * , vmin=Brak , vmax=Brak , cmap=Brak , środek=Brak , annot_kws=Nie , szerokość linii=0 , kolor linii=’biały’ , cbar=Prawda , **kwargs )
Ważne parametry:
dane: zbiór danych 2D, który można przekształcić w ndarray. vmin, vmax: Wartości zakotwiczające mapę kolorów, w przeciwnym razie są one wywnioskowane z danych i innych argumentów słów kluczowych. cmap: Mapowanie wartości danych na przestrzeń kolorów. środek: Wartość, przy której należy wyśrodkować mapę kolorów podczas kreślenia rozbieżnych danych. adnotacja: Jeśli ma wartość True, wpisz wartość danych w każdej komórce. fmt: Kod formatowania ciągu znaków do użycia podczas dodawania adnotacji. linewidths: Szerokość linii dzielących każdą komórkę. linecolor: Kolor linii dzielących każdą komórkę. cbar: Określa, czy narysować pasek kolorów.
Wszystkie parametry z wyjątkiem danych są opcjonalne.
Zwroty: Obiekt typu matplotlib.axes._subplots.AxesSubplot
Przyjrzyjmy się mapie cieplnej na przykładach.
Podstawowa mapa cieplna
Tworzenie mapy cieplnej z domyślnymi parametrami. Będziemy tworzyć dane 2-D o wymiarach 10×10 przy użyciu data() funkcja modułu NumPy.
Python3
# importing the modules> import> numpy as np> import> seaborn as sn> import> matplotlib.pyplot as plt> > # generating 2-D 10x10 matrix of random numbers> # from 1 to 100> data>=> np.random.randint(low>=> 1>,> >high>=> 100>,> >size>=> (>10>,>10>))> print>(>'The data to be plotted:
'>)> print>(data)> > # plotting the heatmap> hm>=> sn.heatmap(data>=> data)> > # displaying the plotted heatmap> plt.show()> |
>
>
Wyjście:
The data to be plotted: [[46 30 55 86 42 94 31 56 21 7] [68 42 95 28 93 13 90 27 14 65] [73 84 92 66 16 15 57 36 46 84] [ 7 11 41 37 8 41 96 53 51 72] [52 64 1 80 33 30 91 80 28 88] [19 93 64 23 72 15 39 35 62 3] [51 45 51 17 83 37 81 31 62 10] [ 9 28 30 47 73 96 10 43 30 2] [74 28 34 26 2 70 82 53 97 96] [86 13 60 51 95 26 22 29 14 29]]>
We wszystkich przykładach będziemy używać tych samych danych.
Zakotwiczenie mapy kolorów
Jeżeli ustawimy min wartość do 30 i vmaks wartość na 70, wówczas zostaną wyświetlone tylko komórki z wartościami pomiędzy 30 a 70. Nazywa się to zakotwiczaniem mapy kolorów.
Python3
# importing the modules> import> numpy as np> import> seaborn as sn> import> matplotlib.pyplot as plt> > # generating 2-D 10x10 matrix of random numbers> # from 1 to 100> data>=> np.random.randint(low>=>1>,> >high>=>100>,> >size>=>(>10>,>10>))> > # setting the parameter values> vmin>=> 30> vmax>=> 70> > # plotting the heatmap> hm>=> sn.heatmap(data>=>data,> >vmin>=>vmin,> >vmax>=>vmax)> > # displaying the plotted heatmap> plt.show()> |
>
>
Wyjście:
Wybór mapy kolorów
W tym przypadku przyjrzymy się cmap parametr. Matplotlib udostępnia nam wiele map kolorów, możesz przeglądać je wszystkie Tutaj . W naszym przykładzie będziemy używać zakładka20 .
Python3
# importing the modules> import> numpy as np> import> seaborn as sn> import> matplotlib.pyplot as plt> > # generating 2-D 10x10 matrix of random numbers> # from 1 to 100> data>=> np.random.randint(low>=>1>,> >high>=>100>,> >size>=>(>10>,>10>))> > # setting the parameter values> cmap>=> 'tab20'> > # plotting the heatmap> hm>=> sn.heatmap(data>=>data,> >cmap>=>cmap)> > # displaying the plotted heatmap> plt.show()> |
>
>
Wyjście:
Centrowanie mapy kolorów
Centrowanie cmap na 0 poprzez przekazanie Centrum parametr jako 0.
Python3
# importing the modules> import> numpy as np> import> seaborn as sn> import> matplotlib.pyplot as plt> > # generating 2-D 10x10 matrix of random numbers> # from 1 to 100> data>=> np.random.randint(low>=>1>,> >high>=>100>,> >size>=>(>10>,>10>))> > # setting the parameter values> cmap>=> 'tab20'> center>=> 0> > # plotting the heatmap> hm>=> sn.heatmap(data>=>data,> >cmap>=>cmap,> >center>=>center)> > # displaying the plotted heatmap> plt.show()> |
>
>
Wyjście:
Wyświetlanie wartości komórek
Jeżeli chcemy wyświetlić wartość komórek to przekazujemy parametr Mówią jako Prawdziwe. fmt służy do wyboru typu danych zawartości wyświetlanych komórek.
k algorytm najbliższego sąsiada
Python3
# importing the modules> import> numpy as np> import> seaborn as sn> import> matplotlib.pyplot as plt> > # generating 2-D 10x10 matrix of random numbers> # from 1 to 100> data>=> np.random.randint(low>=>1>,> >high>=>100>,> >size>=>(>10>,>10>))> > # setting the parameter values> annot>=> True> > # plotting the heatmap> hm>=> sn.heatmap(data>=>data,> >annot>=>annot)> > # displaying the plotted heatmap> plt.show()> |
>
>
Wyjście:
Dostosowanie linii oddzielającej
Za pomocą przycisku możemy zmienić grubość i kolor linii oddzielających komórki szerokości linii I kolor linii odpowiednio parametry.
Python3
# importing the modules> import> numpy as np> import> seaborn as sn> import> matplotlib.pyplot as plt> > # generating 2-D 10x10 matrix of random numbers> # from 1 to 100> data>=> np.random.randint(low>=>1>,> >high>=>100>,> >size>=>(>10>,>10>))> > # setting the parameter values> linewidths>=> 2> linecolor>=> 'yellow'> > # plotting the heatmap> hm>=> sn.heatmap(data>=>data,> >linewidths>=>linewidths,> >linecolor>=>linecolor)> > # displaying the plotted heatmap> plt.show()> |
>
>
Wyjście:
Ukrywanie paska kolorów
Możemy wyłączyć pasek kolorów, ustawiając opcję cbar parametr na Fałsz.
Python3
# importing the modules> import> numpy as np> import> seaborn as sn> import> matplotlib.pyplot as plt> > # generating 2-D 10x10 matrix of random numbers> # from 1 to 100> data>=> np.random.randint(low>=>1>,> >high>=>100>,> >size>=>(>10>,>10>))> > # setting the parameter values> cbar>=> False> > # plotting the heatmap> hm>=> sn.heatmap(data>=>data,> >cbar>=>cbar)> > # displaying the plotted heatmap> plt.show()> |
>
>
Wyjście:
Usuwanie etykiet
Możemy wyłączyć etykietę x i etykietę y, przekazując False w pliku xticklabels I yticklabels odpowiednio parametry.
Python3
# importing the modules> import> numpy as np> import> seaborn as sn> import> matplotlib.pyplot as plt> > # generating 2-D 10x10 matrix of random numbers> # from 1 to 100> data>=> np.random.randint(low>=>1>,> >high>=>100>,> >size>=>(>10>,>10>))> > # setting the parameter values> xticklabels>=> False> yticklabels>=> False> > # plotting the heatmap> hm>=> sn.heatmap(data>=>data,> >xticklabels>=>xticklabels,> >yticklabels>=>yticklabels)> > # displaying the plotted heatmap> plt.show()> |
>
>
Wyjście:
