【Seaborn】sns.heatmap() 函数：热力图

sns.heatmap() —— 热力图（Heatmap）

seaborn.heatmap() 用于 可视化矩阵数据，通过 颜色深浅表示数值大小，适用于 相关性分析、数据分布可视化、混淆矩阵展示等。

---

1. 语法

import seaborn as sns

sns.heatmap(data, annot=False, cmap=None, linewidths=0, linecolor="white", vmin=None, vmax=None)

主要参数

参数	作用
data	矩阵数据（DataFrame / Numpy 数组）
annot	是否 显示数值（True 显示）
cmap	颜色方案（如 "coolwarm"、"Blues"）
linewidths	单元格间隔线宽度
linecolor	单元格间隔线颜色
vmin/vmax	颜色映射的最小/最大值

---

2. 相关性分析

2.1 计算相关性矩阵

import seaborn as sns
import matplotlib.pyplot as plt

# 加载数据
data = sns.load_dataset("penguins")

# 计算相关性
corr = data.corr(numeric_only=True)

# 绘制热力图
sns.heatmap(corr, annot=True, cmap="coolwarm", linewidths=0.5)

plt.title("Feature Correlation Heatmap")
plt.show()

📌 作用

• corr = data.corr(numeric_only=True) 计算相关性矩阵。
• annot=True 显示数值，cmap="coolwarm" 设置颜色。
• 用于分析特征之间的相关性（-1~1）。
  

---

2.2 只显示上三角（去掉重复值）

import numpy as np

mask = np.triu(np.ones_like(corr, dtype=bool))  # 生成上三角 mask

sns.heatmap(corr, annot=True, cmap="coolwarm", mask=mask)

plt.show()

📌 作用

• 只显示 上三角（避免重复信息）。
  

---

3. 适用于数据分布分析

3.1 生成随机数据

import numpy as np

# 生成 10x10 矩阵
data = np.random.rand(10, 10)

sns.heatmap(data, cmap="viridis", annot=True)

plt.show()

📌 作用

• 适用于 查看数据分布。
  

---

3.2 混淆矩阵可视化

from sklearn.metrics import confusion_matrix

# 生成混淆矩阵
y_true = [0, 1, 1, 2, 2, 2, 0, 1, 2, 0]
y_pred = [0, 0, 1, 2, 2, 1, 0, 2, 2, 0]

cm = confusion_matrix(y_true, y_pred)

sns.heatmap(cm, annot=True, cmap="Blues")

plt.xlabel("Predicted")
plt.ylabel("True")
plt.title("Confusion Matrix")
plt.show()

📌 作用

• 用于分类模型评估。
  

---

4. 美观调整

4.1 调整颜色范围

sns.heatmap(corr, annot=True, cmap="coolwarm", vmin=-1, vmax=1)

plt.show()

📌 作用

• vmin=-1, vmax=1 限制颜色范围。
  

---

4.2 添加边框

sns.heatmap(corr, annot=True, cmap="coolwarm", linewidths=1, linecolor="black")

plt.show()

📌 作用

• linewidths=1 添加单元格边框。
  

---

5. sns.heatmap() vs sns.clustermap()

	sns.heatmap()	sns.clustermap()
作用	静态热力图	层次聚类热力图
适用于	相关性分析、数据分布	聚类分析

sns.clustermap(corr, annot=True, cmap="coolwarm")
plt.show()

---

6. 总结

✅ sns.heatmap() 适用于数据分布可视化，尤其是相关性分析、混淆矩阵。
✅ 常见参数

• annot=True 显示数值，cmap="coolwarm" 设置颜色，linewidths=1 添加边框。