Lämpökartta määritellään tietojen graafiseksi esitykseksi, jossa käytetään värejä matriisin arvon visualisointiin. Tässä yleisempiä arvoja tai korkeampia aktiviteetteja edustamaan käytetään kirkkaampia värejä pohjimmiltaan punertavia värejä ja vähemmän yleisiä tai aktiivisuusarvoja edustamaan tummempia värejä. Lämpökartan määrittelee myös varjostusmatriisin nimi. Seabornin lämpökartat voidaan piirtää käyttämällä seaborn.heatmap()-funktiota.
seaborn.heatmap()
Syntaksi: seaborn.heatmap( tiedot , * , vmin=Ei mitään , vmax=Ei mitään , cmap=Ei mitään , center=Ei mitään , annot_kws=Ei , viivanleveydet = 0 , linecolor='valkoinen' , cbar = Totta , **kwargs )
Tärkeät parametrit:
data: 2D-tietojoukko, joka voidaan pakottaa ndarrayksi. vmin, vmax: Arvot värikartan ankkuroimiseen, muuten ne päätellään tiedoista ja muista avainsanaargumenteista. cmap: kartoitus tietoarvoista väriavaruuteen. center: Arvo, johon värikartta keskitetään, kun piirretään poikkeavia tietoja. annot: Jos True, kirjoita data-arvo jokaiseen soluun. fmt: Merkkijonomuotoilukoodi, jota käytetään lisättäessä huomautuksia. linewidths: kunkin solun jakavien viivojen leveys. linecolor: kunkin solun jakavien viivojen väri. cbar: Piirretäänkö väripalkki.
Kaikki parametrit dataa lukuun ottamatta ovat valinnaisia.
Palautukset: Objekti, jonka tyyppi on matplotlib.axes._subplots.AxesSubplot
Ymmärrämme lämpökartan esimerkkien avulla.
Perus lämpökartta
Lämpökartan tekeminen oletusparametreilla. Luomme 10 × 10 2-D-dataa käyttämällä Päivämäärä() NumPy-moduulin toiminto.
Python 3
# 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()> |
>
>
Lähtö:
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]]>
Käytämme samoja tietoja kaikissa esimerkeissä.
Värikartan ankkuroiminen
Jos asetamme min arvoksi 30 ja vmax arvoksi 70, vain solut, joiden arvot ovat välillä 30 ja 70, näytetään. Tätä kutsutaan värikartan ankkuroimiseksi.
Python 3
# 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()> |
>
>
Lähtö:
Värikartan valinta
Tässä tarkastelemme cmap parametri. Matplotlib tarjoaa meille useita värikarttoja, voit tarkastella niitä kaikkia tässä . Esimerkissämme käytämme välilehti20 .
Python 3
# 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()> |
>
>
Lähtö:
Värikartan keskittäminen
Keskitä cmap arvoon 0 ohittamalla keskusta parametrina 0.
Python 3
# 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()> |
>
>
Lähtö:
Solujen arvojen näyttäminen
Jos haluamme näyttää solujen arvon, välitämme parametrin he sanovat kuin Totta. fmt käytetään valitsemaan näytettävien solujen sisällön tietotyyppi.
käyttöliittymä javassa
Python 3
# 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()> |
>
>
Lähtö:
Erotuslinjan mukauttaminen
Voimme muuttaa soluja erottavien viivojen paksuutta ja väriä käyttämällä viivanleveydet ja viivaväri parametreja vastaavasti.
Python 3
# 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()> |
>
>
Lähtö:
Väripalkin piilottaminen
Voimme poistaa väripalkin käytöstä asettamalla cbar parametrin arvoksi False.
Python 3
# 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()> |
>
>
Lähtö:
Tarrojen poistaminen
Voimme poistaa x- ja y-etiketin käytöstä antamalla False xticklabels ja yticlabels parametreja vastaavasti.
Python 3
# 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()> |
>
>
Lähtö:
