seaborn笔记：heatmap

绘制热力图

1 基本使用方法

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)

2 主要参数

data	矩形数据（eg，ndarray）
vim,vmax	颜色映射的最大最小值 如果没有指定，那么将从数据和其他关键字参数中推断出来
cmap	颜色映射
center	在绘制离散数据时，居中的颜色映射对应哪个值
robust	如果为True，且vmin或vmax不存在，则使用鲁棒分位数而不是极值来计算颜色映射范围
annot	如果为True，则在每个单元格中写入数据值 如果是与数据形状相同的数组形式，则使用它而不是数据进行注释
xticklabels yticklabels	x轴y轴标签名称
linewidths	划分每个单元格的线的宽度
linecolor	划分每个单元格的线的颜色
cbar	是否绘制颜色条
cbar_axmatplotlib	用于绘制颜色条的Axes，否则从主Axes中占用空间
square	如果为True，则将Axes的纵横比设置为“equal”，以使每个单元格成为正方形
mask	布尔数组 如果传递了该参数，则在mask为True的单元格中不显示数据。具有缺失值的单元格将自动被屏蔽

3 举例

3.0 数据集

import seaborn as sns
glue = sns.load_dataset("glue").pivot("Model", "Task", "Score")
glue

3.1 基本绘图

3.1.1 DataFrame

sns.heatmap(glue)

 3.1.2 ndarray

sns.heatmap(glue.values)

3.2 cmap

sns.heatmap(glue,cmap='Greens')

 

 3.3 xticklabels

sns.heatmap(glue.values,xticklabels=['a','s','d','f','g','h','j'])

 3.4 annot

sns.heatmap(glue,annot=True)

 3.5 linewidths

sns.heatmap(glue,linewidths=10)

 3.6 linecolor

sns.heatmap(glue,linecolor='green',linewidths=5)

4 另一种应用：可视化数据的missing value

4.1 导入数据

import pandas as pd
# Visual Python: Data Analysis > File
vp_df = pd.read_csv('https://raw.githubusercontent.com/visualpython/visualpython/main/visualpython/data/sample_csv/tips.csv')

import seaborn as sns
import numpy as np
vp_df.head()

 4.2 随机mask一些数据

l=len(vp_df)
lst1=np.random.choice(l,10)
lst2=np.random.choice(l,50)
for i in lst1:
    vp_df.at[i,'total_bill']=np.nan
for i in lst2:
    vp_df.at[i,'tip']=np.nan    
vp_df

 4.3  heatmap可视化缺省值

vp_is_nan=pd.isna(vp_df)
vp_is_nan[['total_bill','tip']]

 

sns.heatmap(vp_is_nan[['total_bill','tip']],cmap=['green','red'])