Python可视化 | Seaborn5分钟入门(六)——heatmap热力图

微信公众号：「Python读财」
若有问题或建议，请公众号留言

Seaborn是基于matplotlib的Python可视化库。它提供了一个高级界面来绘制有吸引力的统计图形。Seaborn实际上是在matplotlib的基础上进行了更高级的API封装，从而使得做图更加容易，不须要通过大量的调整就能使你的图变得精致。

注：全部代码均在IPython notebook中实现

heatmap 热力图

热力图在实际中经常使用于展现一组变量的相关系数矩阵，在展现列联表的数据分布上也有较大的用途，经过热力图咱们能够很是直观地感觉到数值大小的差别情况。heatmap的API以下所示：

下面将演示这些主要参数的用法，第一件事仍是先导入相关的packages。

import seaborn as sns
%matplotlib inline
sns.set(font_scale=1.5)

本次演示采用的数据集是Seaborn中内置的flights航班数据集：

#导入数据集后按年月两个维度进行数据透视
data=sns.load_dataset("flights")\
        .pivot("month","year","passengers") 
data.head() 

如上图所示，dataframe中的数据表明了1949年-1960年每月的航班乘客数量，接下来热力图就隆重登场啦！

sns.set_context({"figure.figsize":(8,8)})
sns.heatmap(data=data,square=True) 
#能够看到热力图主要展现的是二维数据的数据关系
#不一样大小的值对应不一样的颜色深浅

热力图的右侧是颜色带，上面表明了数值到颜色的映射，数值由小到大对应色彩由暗到亮。从上面的heatmap中咱们能够获得两层信息，一是随着时间的推移，飞机的乘客数量是在逐步增多的，二是航班的乘坐旺季在七月和八月份。下面就具体的参数进行演示。

vmax：设置颜色带的最大值
vmin：设置颜色带的最小值

sns.heatmap(data=data,vmin=200,vmax=500)

能够看到右侧的颜色带最大最小值变了，而heatmap中颜色映射关系也会随之调整，将本图和上面的图进行对比便一目了然。

cmap：设置颜色带的色系

sns.heatmap(data=data,cmap="RdBu_r")

好像变好看了?

center：设置颜色带的分界线

sns.heatmap(data=data,cmap="RdBu_r",center=300)

  

细心的朋友能够察觉到颜色带上色彩两级的分界线变成了300

annot：是否显示数值注释

sns.heatmap(data=data,annot=True,cmap="RdBu_r")

怎么回事？乱码了吗？其实数值注释默认显示的是科学记数法的数值，咱们得把数值进行格式化，这就用到了下面的参数。

fmt：format的缩写，设置数值的格式化形式

sns.heatmap(data=data,annot=True,fmt="d",cmap="RdBu_r")
#foramt为int类型

linewidths：控制每一个小方格之间的间距

sns.heatmap(data=data,annot=True,fmt="d",linewidths=0.3,cmap="RdBu_r") 
#能够看到每一个小方格之产生了间隙

linecolor：控制分割线的颜色

sns.heatmap(data=data,annot=True,fmt="d",linewidths=0.3,linecolor="grey",cmap="RdBu_r")
#原来的白色间隙变成了灰色间隙

cbar_kws：关于颜色带的设置

sns.heatmap(data=data,annot=True,fmt="d",cmap="RdBu_r",
                      cbar_kws={"orientation":"horizontal"}) 
#横向显示颜色帮

mask：传入布尔型矩阵，若为矩阵内为True，则热力图相应的位置的数据将会被屏蔽掉（经常使用在绘制相关系数矩阵图）

import numpy as np 
#随机生成一个200行10列的数据集 
data_new = np.random.randn(200,10) 
#求出这个数据集的相关系数矩阵 corr = np.corrcoef(data_new,rowvar=False) 
#以corr的形状生成一个全为0的矩阵 
mask = np.zeros_like(corr)
#将mask的对角线及以上设置为True
#这部分就是对应要被遮掉的部分mask[np.triu_indices_from(mask)] = True
with sns.axes_style("white"):
    sns.heatmap(corr, mask=mask, vmax=0.3, annot=True,cmap="RdBu_r")

若是你们对上面的代码流程不大了解，能够把mask打印出来看看

参照mask和上面绘制的图，应该就很容易理解了，mask中为1的部分，就是要被盖掉的部分。演示到此为止，想更深刻的学习能够自行查阅官方文档！

扫码关注公众号「Python读财」，第一时间获取干货！！