Värmekarta definieras som en grafisk representation av data med hjälp av färger för att visualisera matrisens värde. I detta, för att representera vanligare värden eller högre aktiviteter, används ljusare färger i princip rödaktiga färger och för att representera mindre vanliga värden eller aktivitetsvärden, är mörkare färger att föredra. Värmekarta definieras också av namnet på skuggmatrisen. Värmekartor i Seaborn kan plottas genom att använda funktionen seaborn.heatmap() .
seaborn.heatmap()
Syntax: seaborn.heatmap( data , * , vmin=Ingen , vmax=Ingen , cmap=Ingen , center=Ingen , annot_kws=Nej , linjebredder=0 , linecolor='vit' , cbar=Sant , **kwargs )
Viktiga parametrar:
data: 2D-datauppsättning som kan tvingas till en ndarray. vmin , vmax: Värden för att förankra färgkartan, annars härleds de från data och andra nyckelordsargument. cmap: Mappningen från datavärden till färgrymd. center: Värdet vid vilket färgkartan ska centreras när divergerande data plottas. annot: Om sant, skriv datavärdet i varje cell. fmt: Strängformateringskod som ska användas när du lägger till kommentarer. linjebredder: Bredden på linjerna som delar varje cell. linecolor: Färgen på linjerna som delar varje cell. cbar: Om en färgstapel ska ritas.
Alla parametrar utom data är valfria.
Returnerar: Ett objekt av typen matplotlib.axes._subplots.AxesSubplot
Låt oss förstå värmekartan med exempel.
Grundläggande värmekarta
Att göra en värmekarta med standardparametrarna. Vi kommer att skapa en 10×10 2D-data med hjälp av datum() funktion för NumPy-modulen.
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()> |
>
>
Produktion:
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]]>
Vi kommer att använda samma data i alla exempel.
Förankra färgkartan
Om vi ställer in min värde till 30 och vmax värde till 70, då kommer endast cellerna med värden mellan 30 och 70 att visas. Detta kallas att förankra färgkartan.
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()> |
>
>
Produktion:
Att välja färgkarta
I detta kommer vi att titta på cmap parameter. Matplotlib förser oss med flera färgkartor, du kan titta på dem alla här . I vårt exempel kommer vi att använda tab20 .
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()> |
>
>
Produktion:
Centrera färgkartan
Centrera cmap till 0 genom att passera Centrum parameter som 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()> |
>
>
Produktion:
Visar cellvärdena
Om vi vill visa värdet på cellerna skickar vi parametern de säger som Sant. fmt används för att välja datatyp för innehållet i cellerna som visas.
rekursion i java
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()> |
>
>
Produktion:
Anpassa separeringslinjen
Vi kan ändra tjockleken och färgen på linjerna som separerar cellerna med hjälp av linjebredder och linjefärg respektive parametrar.
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()> |
>
>
Produktion:
Döljer färgfältet
Vi kan inaktivera färgfältet genom att ställa in cbar parametern till False.
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()> |
>
>
Produktion:
Ta bort etiketterna
Vi kan inaktivera x-etiketten och y-etiketten genom att skicka False i xticklabels och ytetiketter respektive parametrar.
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()> |
>
>
Produktion:
