Python可视化matplotlib&seborn14

2023-03-18 12:49| 来源: 网络整理| 查看: 265

热力图（heatmap）可通过颜色深浅变化，优雅的展示数据的差异。详细介绍python seaborn绘制热图本文速览

欢迎随缘关注@pythonic生物人

Matplotlib热图heatmap

seaborn热图1

seaborn热图2

seaborn热图3

本文您将了解到什么？

1、matplotlib绘制热图2、seaborn绘制热图 2.0 数据集准备2.1 seaborn绘制heatmap 2.1.1 seaborn默认参数绘制hetmap2.1.2 colorbar（图例）范围修改：vmin、vmax 2.1.3 修改热图颜色盘（colormap）：cmp 使用matplotlib中colormap使用Seaborn颜色盘使用palettable库中颜色盘

2.1.4 修改图例中心数据值大小：center2.1.5 热图中文本开关：annot 2.1.6 格子中数据的格式化输出：fmt 2.1.7 格子中数据（字体大小、磅值、颜色）等设置：annot_kws 2.1.8 格子外框宽度、颜色设置：linewidths、linecolor 2.1.9 图例开关：cbar 2.1.10 图例位置、名称、标签等设置：cbar_kws 2.1.11 热图中只显示部分符合条件的数据：mask2.1.12 自定义x轴、y轴标签：xticklabels、yticklabels

1、matplotlib绘制热图

matplotlib可通过以下两种方法绘制heamap；

matplotlib.axes.Axes.imshowmatplotlib.pyplot.imshow

原始效果图，挺丑陋的；

改进后效果图（虽然要写很多辅助函数实现，但是可以很好的实现自定义热图，需要高度个性化的小伙伴可以去摸索）；

2、seaborn绘制热图

seaborn在matplotlib的基础上封装了个seaborn.heatmap，非常傻瓜式操作，我等调包侠的福音，效果可以赶得上R语言了，不逼逼，下面上干货：

2.0 数据集准备

使用鸢尾花iris数据集，数据集详细介绍请戳：鸢尾花iris数据集；

import matplotlib.pyplot as plt import numpy as np import pandas as pd from pandas import Series,DataFrame import seaborn as sns import palettable#python颜色库 from sklearn import datasets plt.rcParams['font.sans-serif']=['SimHei'] # 用于显示中文 plt.rcParams['axes.unicode_minus'] = False # 用于显示中文 iris=datasets.load_iris() x, y = iris.data, iris.target pd_iris = pd.DataFrame(np.hstack((x, y.reshape(150, 1))),columns=['sepal length(cm)','sepal width(cm)','petal length(cm)','petal width(cm)','class'] ) plt.figure(dpi=200, figsize=(10,6)) data1 = np.array(pd_iris['sepal length(cm)']).reshape(25,6)#Series转np.array df = pd.DataFrame(data1, index=[chr(i) for i in range(65, 90)],#DataFrame的行标签设置为大写字母 columns=["a","b","c","d","e","f"])#设置DataFrame的列标签

用来绘制热图的数据集是什么样子的？其实就是取iris中的一列（150个值），转化为一个25x6的DataFrame数据集，如下：

print(df.shape) df.head()

2.1 seaborn绘制heatmap

语法：seaborn.heatmap

2.1.1 seaborn默认参数绘制hetmapplt.figure(dpi=120) sns.heatmap(data=df,#矩阵数据集，数据的index和columns分别为heatmap的y轴方向和x轴方向标签 ) plt.title('所有参数默认')

2.1.2 colorbar（图例）范围修改：vmin、vmax#右侧colorbar范围修改 #注意colorbar范围变化，左图颜色随之变化 plt.clf() plt.figure(dpi=120) sns.heatmap(data=df,#矩阵数据集，数据的index和columns分别为heatmap的y轴方向和x轴方向标签 vmin=5,#图例（右侧颜色条color bar）中最小显示值 vmax=8,#图例（右侧颜色条color bar）中最大显示值 ) plt.title('右侧colorbar显示范围修改：vmin、vmax')

2.1.3 修改热图颜色盘（colormap）：cmp

感觉默认颜色太丑陋，可以换个颜色盘，cmp参数控制hetmap颜色；可以使用matplotlib颜色盘、seaborn颜色盘、palettable库中颜色盘

使用matplotlib中colormap

了解matplotlib中所有colormap请戳：matplotlib中colormap使用详解

plt.figure(dpi=120) sns.heatmap(data=df, cmap=plt.get_cmap('Set3'),#使用matplotlib中的颜色盘 ) plt.title("使用matplotlib中的颜色盘：cmap=plt.get_cmap('Set3')")

# 感觉颜色还是丑，那就再换个 plt.figure(dpi=120) sns.heatmap(data=df, cmap=plt.get_cmap('tab20c'),#matplotlib中的颜色盘'tab20c' ) plt.title("使用matplotlib中的颜色盘：cmap=plt.get_cmap('tab20c')")

#感觉太油腻，太花哨，那就来个纯一点的（色度依次增加，请看右边图例颜色变化） plt.figure(dpi=120) sns.heatmap(data=df, cmap=plt.get_cmap('Greens'),#matplotlib中的颜色盘'Greens' ) plt.title("使用matplotlib中的颜色盘：cmap=plt.get_cmap('Greens')")

#色度依次递减，注意比较右边图例颜色变化 plt.figure(dpi=120) sns.heatmap(data=df, #cmap选取的颜色条，有的是由浅到深（'Greens'），有的是相反的（'Greens_r'） cmap=plt.get_cmap('Greens_r'),#matplotlib中的颜色盘'Greens_r' ) plt.title("使用matplotlib中的颜色盘：cmap=plt.get_cmap('Greens_r')")

使用Seaborn颜色盘plt.figure(dpi=120) sns.heatmap(data=df, cmap=sns.dark_palette("#2ecc71", as_cmap=True),#seaborn 深色色盘：sns.dark_palette使用 ) plt.title("使用seaborn dark颜色盘：cmap=sns.dark_palette('#2ecc71', as_cmap=True)")

plt.figure(dpi=120) sns.heatmap(data=df, cmap=sns.light_palette("#2ecc71", as_cmap=True),#淡色色盘：sns.light_palette()使用 ) plt.title("使用seaborn light颜色盘：sns.light_palette('#2ecc71', as_cmap=True)")

plt.figure(dpi=120) sns.heatmap(data=df, cmap=sns.diverging_palette(10, 220, sep=80, n=7),#区分度显著色盘：sns.diverging_palette()使用 ) plt.title("使用seaborn diverging颜色盘：sns.diverging_palette(10, 220, sep=80, n=7)")

plt.figure(dpi=120) sns.heatmap(data=df, cmap=sns.cubehelix_palette(as_cmap=True),#渐变色盘：sns.cubehelix_palette()使用 ) plt.title("使用seaborn cubehelix颜色盘：sns.diverging_palette(220, 20, sep=20, as_cmap=True)")

使用palettable库中颜色盘

关于python palettable库使用请戳：python Palettable库使用详解

plt.figure(dpi=120) sns.heatmap(data=df, cmap=palettable.cartocolors.diverging.ArmyRose_7.mpl_colors,#使用palettable库中颜色条 ) plt.title("使用palettable库颜色盘：palettable.cartocolors.diverging.ArmyRose_7.mpl_colors")

plt.figure(dpi=120) sns.heatmap(data=df, cmap=palettable.cmocean.diverging.Curl_10.mpl_colors,#使用palettable库中颜色条 ) plt.title("使用palettable库颜色盘：palettable.cmocean.diverging.Curl_10.mpl_colors")

plt.figure(dpi=120) sns.heatmap(data=df, cmap=palettable.tableau.TrafficLight_9.mpl_colors,#使用palettable库中颜色条 ) plt.title("使用palettable库颜色盘：palettable.tableau.TrafficLight_9.mpl_colors")

2.1.4 修改图例中心数据值大小：centerplt.figure(dpi=120) sns.heatmap(data=df, cmap=palettable.cartocolors.diverging.ArmyRose_7.mpl_colors, center=7,#color bar的中心数据值大小，可以控制整个热图的颜盘深浅 ) plt.title("color bar的中心数据值大小：center")

2.1.5 热图中文本开关：annotplt.figure(dpi=120) sns.heatmap(data=df, cmap=palettable.cartocolors.diverging.ArmyRose_7.mpl_colors, annot=True,#默认为False，当为True时，在每个格子写入data中数据 ) plt.title("每个格子写入data中数据：annot=True")

2.1.6 格子中数据的格式化输出：fmtplt.figure(dpi=120) sns.heatmap(data=df, cmap=palettable.cartocolors.diverging.ArmyRose_7.mpl_colors, annot=True,#默认为False，当为True时，在每个格子写入data中数据 fmt=".2f",#设置每个格子中数据的格式，参考之前的文章，此处保留两位小数 ) plt.title("格子中数据的格式化输出：fmt")

2.1.7 格子中数据（字体大小、磅值、颜色）等设置：annot_kwsplt.figure(dpi=120) sns.heatmap(data=df, cmap=palettable.cartocolors.diverging.ArmyRose_7.mpl_colors, annot=True,#默认为False，当为True时，在每个格子写入data中数据 annot_kws={'size':8,'weight':'normal', 'color':'blue'},#设置格子中数据的大小、粗细、颜色 ) plt.title("格子中数据（字体大小、磅值、颜色）等设置：annot_kws")

2.1.8 格子外框宽度、颜色设置：linewidths、linecolorplt.figure(dpi=120) sns.heatmap(data=df, cmap=palettable.cartocolors.diverging.ArmyRose_7.mpl_colors, linewidths=1,#每个格子边框宽度，默认为0 linecolor='red',#每个格子边框颜色,默认为白色 ) plt.title("格子外框宽度、颜色设置：linewidths、linecolor")

2.1.9 图例开关：cbarplt.figure(dpi=120) sns.heatmap(data=df, cmap=palettable.cartocolors.diverging.ArmyRose_7.mpl_colors, cbar=False,#右侧图例(color bar)开关，默认为True显示 ) plt.title("图例开关：cbar")

2.1.10 图例位置、名称、标签等设置：cbar_kwsplt.figure(dpi=120) sns.heatmap(data=df, cmap=palettable.cartocolors.diverging.ArmyRose_7.mpl_colors, cbar=True, cbar_kws={'label': 'ColorbarName', #color bar的名称 'orientation': 'horizontal',#color bar的方向设置，默认为'vertical'，可水平显示'horizontal' "ticks":np.arange(4.5,8,0.5),#color bar中刻度值范围和间隔 "format":"%.3f",#格式化输出color bar中刻度值 "pad":0.15,#color bar与热图之间距离，距离变大热图会被压缩 }, ) plt.title("图例位置、名称、标签等设置：cbar_kws")

2.1.11 热图中只显示部分符合条件的数据：maskplt.figure(dpi=120) sns.heatmap(data=df, cmap=palettable.cartocolors.diverging.ArmyRose_7.mpl_colors, mask=df2.1.12 自定义x轴、y轴标签：xticklabels、yticklabels# linewidths、linecolor参数 plt.figure(dpi=120) sns.heatmap(data=df, cmap=palettable.cartocolors.diverging.ArmyRose_7.mpl_colors, xticklabels=['三连啊','关注公众号啊','pythonic生物人','收藏啊','点赞啊','老铁三连三连'] , #x轴方向刻度标签开关、赋值，可选“auto”, bool, list-like（传入列表）, or int, yticklabels=True, #y轴方向刻度标签开关、同x轴 ) plt.title("自定义x轴、y轴标签：xticklabels、yticklabels") #['sepal length(cm)','sepal width(cm)','petal length(cm)','petal width(cm)','class']

4、参考资料https://matplotlib.org/api/_as_gen/matplotlib.pyplot.imshow.html#matplotlib.pyplot.imshowhttp://seaborn.pydata.org/generated/seaborn.heatmap.html?highlight=heatmap#seaborn.heatmap

欢迎随缘关注@pythonic生物人

本篇结束，下一篇介绍聚类热图，感兴趣小伙伴欢迎跟踪我。

【本文地址】

公司简介

联系我们