关系（二）利用python绘制热图

关系（二）利用python绘制热图

热图 （Heatmap）简介

热图适用于显示多个变量之间的差异，通过颜色判断彼此之间是否存在相关性。

快速绘制

1. 基于seaborn

   import seaborn as sns
   import pandas as pd
   import numpy as np
   import matplotlib.pyplot as plt
   import matplotlib as mpl
   
   # 自定义数据
   df = pd.DataFrame(np.random.random((5,5)), columns=["a","b","c","d","e"])
   
   # 利用seaborn的heatmap函数创建
   sns.heatmap(df)
   
   plt.show()
   

   

定制多样化的热图

自定义热图一般是结合使用场景对相关参数进行修改，并辅以其他的绘图知识。参数信息可以通过官网进行查看，其他的绘图知识则更多来源于实战经验，大家不妨将接下来的绘图作为一种学习经验，以便于日后总结。

seaborn主要利用heatmap绘制热图，可以通过seaborn.heatmap了解更多用法

1. 不同输入格式的热图

   import matplotlib.pyplot as plt
   import numpy as np
   import seaborn as sns
   import pandas as pd
   np.random.seed(0)
   
   sns.set(font='SimHei', font_scale=0.8, style="white") # 解决Seaborn中文显示问题
   
   # 初始化
   fig = plt.figure(figsize=(12,8))
   
   # 宽型：是一个矩阵，其中每一行都是一个个体，每一列都是一个观察值。即热图的每个方块代表一个单元格
   df = pd.DataFrame(np.random.random((6,5)), columns=["a","b","c","d","e"])
   
   ax = plt.subplot2grid((2, 2), (0, 0), colspan=1)
   sns.heatmap(df)
   ax.set_title('宽型')
   
   # 方型：相关矩阵热图
   df = pd.DataFrame(np.random.random((100,5)), columns=["a","b","c","d","e"]) 
   corr_matrix=df.corr()