heatmap热力图

heatmap 热力图

热力图在实际中常用于展示一组变量的相关系数矩阵，在展示列联表的数据分布上也有较大的用途，通过热力图我们可以非常直观地感受到数值大小的差异状况。heatmap的API如下所示：

下面将演示这些主要参数的用法，第一件事还是先导入相关的packages。

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

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中的数据代表了1949年-1960年每个月的航班乘客数量，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) 
#可以看到热力图主要展示的是二维数据的数据关系
#不同大小的值对应不同的颜色深浅

热力图的右侧是颜色带，上面代表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中我们可以得到两层信息，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)

可以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)

细心的朋友可以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，我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：控制每个小方格之间的间距

sns.heatmap(data=data,annot=True,fmt="d",linewidths=0.3,cmap="RdBu_r") 
#可以看到每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

ask：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（常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")