python历史时间轴可视化,python可视化进阶---seaborn1.9 时间线图表、热图 tsplot() / heatmap()...

时间线图表、热图

tsplot() / heatmap()

1.时间线图表 - tsplot()

示例1：

import numpy as np

import pandas as pd

import matplotlib.pyplot as plt

import seaborn as sns

#设置风格、尺度

sns.set_style('darkgrid')

sns.set_context('paper')

#不发出警告

import warnings

warnings.filterwarnings('ignore')

x = np.linspace(0, 15, 31)

data = np.sin(x) + np.random.rand(10,31) + np.random.randn(10,1)

print(data.shape)

print(pd.DataFrame(data).head())

sns.tsplot(data = data,

err_style='ci_band', #误差数据风格，可选：ci_band, ci_bars, boot_traces,

#boot_kde, unit_traces, unit_points

interpolate = True, #设置连线

ci = [40, 70, 90], #设置误差区间

color = 'g' #设置颜色

)

示例2：

sns.tsplot(data = data, err_style = 'boot_traces',

n_boot = 300 #迭代次数

)

示例3：

#参数设置

#导入数据

gammas = sns.load_dataset('gammas')

print(gammas.head())

print('数据量为：%i条'%len(gammas))

print('timepoint为0.0时的数据量为：%i条'%len(gammas[gammas['timepoint'] == 0]))

#查看唯一具体信息

print('timepoint共有%i个唯一值'%len(gammas['timepoint'].value_counts()))

sns.tsplot(time = 'timepoint', #时间数据， x轴

value = 'BOLD signal', #y轴value

unit = 'subject', #拆分，默认参数

condition = 'ROI', #分类

data = gammas

)

2、热图 - heatmap()

示例1：

df = pd.DataFrame(np.random.rand(10,12))

sns.heatmap(df, #加载数据

vmin = 0, vmax = 1 #设置图例最大最小值

)

示例2：设置参数

#设置参数

#加载数据

flights = sns.load_dataset('flights')

flights = flights.pivot('month','year','passengers')

print(flights.head())

sns.heatmap(flights,

annot = True, #是否显示数值

fmt = 'd', #格式化字符串

linewidth = 0, #格子边线宽度

center = 100, #调色盘的色彩中心值，若没有指定，则以cmap为主

cmap = 'Reds', #设置调色盘

cbar = True, #是否显示图例色带

#bar_kws = ['orientaion':'horizaintal'], #是否横向显示图例色带

#square = True #是否正方形显示图表

)

示例3：绘制半边热图

#设置风格

sns.set(style = 'white')

#创建数据

rs = np.random.RandomState(33)

d = pd.DataFrame(rs.normal(size = (100, 26)))

corr = d.corr() #求解相关性矩阵表格

#设置一个‘上三角形’蒙版

mask = np.zeros_like(corr, dtype = np.bool)

mask[np.triu_indices_from(mask)] = True

#设置调色盘

cmap = sns.diverging_palette(220, 10, as_cmap = True)

#生成半边热图

sns.heatmap(corr, mask = mask, cmap = cmap, vmax = .3, center = 0,

square = True, linewidths = 0.2)