机器学习初学-Seaborn绘制好看的热力图

seaborn简介

Seaborn是python中的一个可视化库，对matplotlib的封装，与plotly类似，能更方便的做出易调整、美观的图表。能够显示更多信息。同时官网提供了多种示例图库，方便进行实践练习。

官网地址：

seaborn: statistical data visualizationhttps://seaborn.pydata.org/

自定义数据绘制示例 

# 导入数据可视化所需要的库
df_ads = pd.read_csv('/kaggle/input/advertising-simple-dataset/advertising.csv')

import matplotlib.pyplot as plt #Matplotlib为Python画图工具库

import seaborn as sns #Seaborn为统计学数据可视化工具库

#对所有的标签和特征两两显示其相关性的热力图
print (df_ads.corr())

sns.heatmap(df_ads.corr(),cmap="crest", annot = True)

plt.show() #plt代表英文plot, 就是画图的意思

官方示例

Pass a DataFrame to plot with indices as row/column labels:

import matplotlib.pyplot as plt #Matplotlib为Python画图工具库

import seaborn as sns 

sns.heatmap(df_ads.corr(), cmap="coolwarm", annot = True)
glue = sns.load_dataset("glue").pivot("Model", "Task", "Score")
sns.heatmap(glue)

/var/folders/qk/cdrdfhfn5g554pnb30pp4ylr0000gn/T/ipykernel_77613/2862412127.py:1: FutureWarning: In a future version of pandas all arguments of DataFrame.pivot will be keyword-only.
  glue = sns.load_dataset("glue").pivot("Model", "Task", "Score")

Use annot to represent the cell values with text:

sns.heatmap(glue, annot=True)

Control the annotations with a formatting string:

sns.heatmap(glue, annot=True, fmt=".1f")

Use a separate dataframe for the annotations:

sns.heatmap(glue, annot=glue.rank(axis="columns"))

Add lines between cells:

sns.heatmap(glue, annot=True, linewidth=.5)

Select a different colormap by name:

sns.heatmap(glue, cmap="crest")

Or pass a colormap object:

sns.heatmap(glue, cmap=sns.cubehelix_palette(as_cmap=True))

tips:

要自定义调色盘，你可以使用 sns.cubehelix_palette() 函数，并将 as_cmap 参数设置为 True。这将返回一个颜色映射对象，你可以将其传递给 cmap 参数，用于自定义热力图的颜色。

sns.cubehelix_palette() 函数接受多个参数来定义调色盘的外观，例如颜色的亮度、饱和度、开始和结束颜色等。以下是一个示例代码，演示如何使用 sns.cubehelix_palette() 自定义调色盘：

import seaborn as sns
import matplotlib.pyplot as plt

# 自定义调色盘
custom_cmap = sns.cubehelix_palette(as_cmap=True)

# 绘制热力图并使用自定义调色盘
sns.heatmap(data, cmap=custom_cmap)
plt.show()

在这个示例中，我们首先使用 sns.cubehelix_palette() 函数创建一个自定义调色盘，将其赋值给 custom_cmap 变量。然后，我们使用 sns.heatmap() 函数绘制热力图，并将 cmap 参数设置为 custom_cmap，以应用自定义的调色盘。

你可以根据需要调整 sns.cubehelix_palette() 函数的参数来获得你想要的调色盘外观。可以参考 seaborn 文档中有关 cubehelix_palette() 函数的更多信息：seaborn.cubehelix_palette()。

Set the colormap norm (data values corresponding to minimum and maximum points):

sns.heatmap(glue, vmin=50, vmax=100)

Use methods on the matplotlib.axes.Axes object to tweak the plot:

ax = sns.heatmap(glue, annot=True)
ax.set(xlabel="", ylabel="")
ax.xaxis.tick_top()