seaborn—sns.heatmap绘制热力图

heatmap(热力图)是识别预测变量与目标变量相关性的方法，同时，也是发现变量间是否存在多重共线性的好方法。
中文文档

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=None, ax=None, **kwargs)

这些参数具体什么含义，怎么使用见中文文档
常用参数：

data:矩形数据集
可以强制转换为ndarray格式数据的2维数据集。如果提供了Pandas DataFrame数据，索引/列信息将用于标记列和行。那么如果提供了关系矩阵就可以显示变量之间的相关性。
vmin, vmax：浮点型数据，可选参数
用于锚定色彩映射的值，否则它们是从数据和其他关键字参数推断出来的
cmap：matplotlib 颜色条名称或者对象，或者是颜色列表，可选参数
从数据值到颜色空间的映射。如果没有提供，默认值将取决于是否设置了“center”
center：浮点数，可选参数
绘制有色数据时将色彩映射居中的值。如果没有指定，则使用此参数将更改默认的cmap
annot:布尔值或者矩形数据，可选参数
如果为True，则在每个热力图单元格中写入数据值。如果数组的形状与data相同，则使用它来代替原始数据注释热力图
mask：布尔数组或者DataFrame数据，可选参数
如果为空值，数据将不会显示在mask为True的单元格中。具有缺失值的单元格将自动被屏蔽
cbar：布尔值，可选参数
描述是否绘制颜色条
square：布尔值，可选参数
如果为True，则将坐标轴方向设置为“equal”，以使每个单元格为方形
xticklabels, yticklabels：“auto”，布尔值，类列表值，或者整形数值，可选参数
如果为True，则绘制数据框的列名称。如果为False，则不绘制列名称。如果是列表，则将这些替代标签绘制为xticklabels。如果是整数，则使用列名称，但仅绘制每个n标签。如果是“auto”，将尝试密集绘制不重叠的标签。
fmt：字符串，可选参数
添加注释时要使用的字符串格式代码
annot_kws：字典或者键值对，可选参数
当annot为True时，ax.text的关键字参数
ax：matplotlib Axes，可选参数
绘制图的坐标轴，否则使用当前活动的坐标轴

返回热力图对象

使用1：关系矩阵
这个函数将矩形数据绘制为颜色编码矩阵。所以得先通过pandas中corr()方法获得关系矩阵。

# 设置绘图风格
style.use('ggplot')
sns.set_style('whitegrid')
# 设置画板尺寸
plt.subplots(figsize = (30,20))# 画热力图
# 为上三角矩阵生成掩码
mask = np.zeros_like(train.corr(), dtype=np.bool)
mask[np.triu_indices_from(mask)] = Truesns.heatmap(train.corr(), cmap=sns.diverging_palette(20, 220, n=200), mask = mask, # 数据显示在mask为False的单元格中annot=True, # 注入数据center = 0,  # 绘制有色数据时将色彩映射居中的值)
# Give title. 
plt.title("Heatmap of all the Features", fontsize = 30)

在这里插入图片描述可以利用pandas中的nlargest方法，来显示排序前多少的关系矩阵。

k  = 11 # 关系矩阵中将显示10个特征
cols = num_corrmat.nlargest(k, 'SalePrice')['SalePrice'].index
cm = np.corrcoef(train_data[cols].values.T)
fig,ax = plt.subplots(figsize=(15,10))
sns.set(font_scale=1.25)
hm = sns.heatmap(cm, cbar=True, annot=True, # 注入数字square=True, # 单元格为正方形fmt='.2f',   # 字符串格式代码annot_kws={'size': 10}, # 当annot为True时，ax.text的关键字参数，即注入数字的字体大小yticklabels=cols.values,  # 列标签xticklabels=cols.values   # 行标签)
plt.show()