数据可视化(19)-Seaborn系列 | 热力图heatmap()

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)

data:矩形数据集
可以强制转换为ndarray的2D数据，如果提供了Pandas DataFrame,
则索引/列信息将用于标记列和行。

vmin,vmax：float
作用：锚定颜色图的值

cmap:matplotlib颜色图名称或对象，或者颜色列表
作用：指定从数据值到颜色空间的映射。如果未提供，
则默认值取决于是否设置了中心。

center:float
作用：绘制不同数据时将颜色图居中的值，如果未指定，
则使用此参数将更改默认的cmap

robust:bool
作用：如果不为True且vmin或vmax不存在，
则使用稳健的分位数而不是极值来计算色图范围。

linewidths:线宽 float
作用：将划分每个单元格的线宽度

linecolor:线颜色
作用：指定每个单元格的线的颜色

cbar:bool
作用：指定是否绘制颜色条

import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
sns.set()
np.random.seed(0)
# 生成0-1 均匀分布的随机数 10x12
"""
知识点：
np.random.rand()
通过本函数可以返回一个或一组服从“0~1”均匀分布的随机样本值.
随机样本取值范围是[0,1)，不包括1。
"""
uniform_data = np.random.rand(10, 12)
"""
案例1：
对10x12的数据绘制热力图
"""
sns.heatmap(uniform_data)
plt.show()

import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
sns.set()
np.random.seed(0)
# 生成0-1 均匀分布的随机数 10x12
"""
知识点：
np.random.rand()
通过本函数可以返回一个或一组服从“0~1”均匀分布的随机样本值.
随机样本取值范围是[0,1)，不包括1。
"""
uniform_data = np.random.rand(10, 12)
"""
案例2：
更改 colormap的限制：
vmin=0, vmax=1
"""
sns.heatmap(uniform_data, vmin=0, vmax=1)
plt.show()

import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
sns.set()
np.random.seed(0)
# 生成服从标准正态分布的随机数 10x12
"""
知识点：
np.random.randn()
通过本函数可以返回一个或一组服从标准正态分布的随机样本值。
"""
normal_data = np.random.randn(10, 12)
"""
案例3：
更改 colormap的限制：
vmin=0, vmax=1
"""
sns.heatmap(normal_data, center=0)
plt.show()

import matplotlib.pyplot as plt
import seaborn as sns
sns.set()
# 构建数据
flights = sns.load_dataset("flights")
flights = flights.pivot("month", "year", "passengers")
"""
案例4：
直接对dataFrame数据进行热力图显示
"""
sns.heatmap(flights)
plt.show()

import matplotlib.pyplot as plt
import seaborn as sns
sns.set()
# 构建数据
flights = sns.load_dataset("flights")
flights = flights.pivot("month", "year", "passengers")
"""
案例5：
对每个单元格进行数值显示
"""
sns.heatmap(flights, annot=True, fmt="d")
plt.show()

import matplotlib.pyplot as plt
import seaborn as sns
sns.set()
# 构建数据
flights = sns.load_dataset("flights")
flights = flights.pivot("month", "year", "passengers")
"""
案例6：
绘制每个单元格的边框
"""
sns.heatmap(flights, linewidths=.5)
plt.show()

import matplotlib.pyplot as plt
import seaborn as sns
sns.set()
# 构建数据
flights = sns.load_dataset("flights")
flights = flights.pivot("month", "year", "passengers")
"""
案例7：
使用不同的colormap进行颜色显示
"""
sns.heatmap(flights, cmap="YlGnBu")
plt.show()

import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
sns.set()
# 构建数据
data = np.random.randn(50, 20)
"""
案例8：
每隔一列打印标签，不打印行标签
"""
sns.heatmap(data, xticklabels=2, yticklabels=False)
plt.show()

import matplotlib.pyplot as plt
import seaborn as sns
sns.set()
# 构建数据
flights = sns.load_dataset("flights")
flights = flights.pivot("month", "year", "passengers")
"""
案例9：
不绘制颜色条
"""
sns.heatmap(flights, cbar=False)
plt.show()

import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
sns.set()
# 构建数据
corr = np.corrcoef(np.random.randn(10, 200))
mask = np.zeros_like(corr)
"""
案例10：
利用mask 只绘制矩阵一半
"""
mask[np.triu_indices_from(mask)] = True
with sns.axes_style("white"):
    sns.heatmap(corr, mask=mask, vmax=.3, square=True)
plt.show()