Warmtekaart wordt gedefinieerd als een grafische weergave van gegevens met behulp van kleuren om de waarde van de matrix te visualiseren. Hierbij worden, om meer algemene waarden of hogere activiteiten weer te geven, helderdere kleuren gebruikt, in principe roodachtige kleuren, en om minder algemene waarden of activiteitswaarden weer te geven, wordt de voorkeur gegeven aan donkerdere kleuren. Heatmap wordt ook gedefinieerd door de naam van de schaduwmatrix. Heatmaps in Seaborn kunnen worden geplot met behulp van de functie seaborn.heatmap().
seaborn.heatmap()
Syntaxis: seaborn.heatmap( gegevens , * , vmin=Geen , vmax=Geen , cmap=Geen , midden=Geen , annot_kws=Nee , lijnbreedtes=0 , lijnkleur=’wit’ , cbar=Waar , ** kwargs )
Belangrijke parameters:
data: 2D-dataset die tot een ndarray kan worden gedwongen. vmin, vmax: Waarden om de kleurenkaart te verankeren, anders worden ze afgeleid uit de gegevens en andere trefwoordargumenten. cmap: De mapping van gegevenswaarden naar kleurruimte. midden: De waarde waarop de kleurenkaart moet worden gecentreerd bij het plotten van uiteenlopende gegevens. annotatie: Indien waar, schrijf dan de gegevenswaarde in elke cel. fmt: Tekenreeksopmaakcode die moet worden gebruikt bij het toevoegen van annotaties. lijnbreedtes: breedte van de lijnen die elke cel verdelen. lijnkleur: Kleur van de lijnen die elke cel verdelen. cbar: Of er een kleurenbalk moet worden getekend.
Alle parameters behalve gegevens zijn optioneel.
Geeft terug: Een object van het type matplotlib.axes._subplots.AxesSubplot
Laten we de heatmap met voorbeelden begrijpen.
Basis hittekaart
Een heatmap maken met de standaardparameters. We gaan 10×10 2D-gegevens maken met behulp van de datum() functie van de NumPy-module.
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()> |
>
>
Uitgang:
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]]>
We zullen dezelfde gegevens in alle voorbeelden gebruiken.
De kleurenkaart verankeren
Als we de min waarde op 30 en de vmax waarde in op 70, dan worden alleen de cellen met waarden tussen 30 en 70 weergegeven. Dit wordt het verankeren van de kleurenkaart genoemd.
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()> |
>
>
Uitgang:
Het kiezen van de kleurenkaart
Hierbij gaan we kijken naar de cmap parameter. Matplotlib biedt ons meerdere kleurenkaarten, u kunt ze allemaal bekijken hier . In ons voorbeeld gebruiken we tabblad20 .
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()> |
>
>
Uitgang:
De kleurenkaart centreren
Centreer de cmap naar 0 door de centrum parameter als 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()> |
>
>
Uitgang:
Weergave van de celwaarden
Als we de waarde van de cellen willen weergeven, geven we de parameter door ze zeggen als waar. fmt wordt gebruikt om het gegevenstype van de inhoud van de weergegeven cellen te selecteren.
ssis
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()> |
>
>
Uitgang:
Het aanpassen van de scheidingslijn
We kunnen de dikte en de kleur van de lijnen die de cellen scheiden veranderen met behulp van de lijnbreedtes En lijnkleur respectievelijk parameters.
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()> |
>
>
Uitgang:
De kleurenbalk verbergen
We kunnen de kleurenbalk uitschakelen door de cbar parameter op Onwaar.
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()> |
>
>
Uitgang:
Het verwijderen van de etiketten
We kunnen het x-label en het y-label uitschakelen door False door te geven in de xvinklabels En yvinklabels respectievelijk parameters.
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()> |
>
>
Uitgang:
