python热力相关系数图_【Python可视化6】Seaborn之heatmap热力图

原标题：【Python可视化6】Seaborn之heatmap热力图

Seaborn是基于matplotlib的Python可视化库。它提供了一个高级界面来绘制有吸引力的统计图形。Seaborn其实是在matplotlib的基础上进行了更高级的API封装，从而使得作图更加容易，不需要经过大量的调整就能使你的图变得精致。

注：所有代码均在IPython notebook中实现

· 正· 文· 来 · 啦 ·

heatmap 热力图

热力图在实际中常用于展示一组变量的相关系数矩阵，在展示列联表的数据分布上也有较大的用途，通过热力图我们可以非常直观地感受到数值大小的差异状况。heatmap的API如下所示：

下面将演示这些主要参数的用法，第一件事还是先导入相关的packages。

1importseaborn assns

2%matplotlib inline

3sns.set(font_scale= 1.5)

本次演示采用的数据集是Seaborn中内置的 flights航班数据集：

1#导入数据集后按年月两个维度进行数据透视

2data=sns.load_dataset( "flights")

3.pivot( "month", "year", "passengers")

4data.head

如上图所示，dataframe中的数据代表了1949年-1960年每个月的航班乘客数量，接下来热力图就隆重登场啦！

1sns.set_context({ "figure.figsize":( 8, 8)})

2sns.heatmap(data=data,square= True)

3#可以看到热力图主要展示的是二维数据的数据关系

4#不同大小的值对应不同的颜色深浅

热力图的右侧是颜色带，上面代表了数值到颜色的映射，数值由小到大对应色彩由暗到亮。从上面的heatmap中我们可以得到两层信息，一是随着时间的推移，飞机的乘客数量是在逐步增多的，二是航班的乘坐旺季在七月和八月份。下面就具体的参数进行演示。

vmax ：设置颜色带的最大值

vmin ：设置颜色带的最小值

1sns.heatmap(data=data,vmin= 200,

2vmax= 500)

可以看到右侧的颜色带最大最小值变了，而heatmap中颜色映射关系也会随之调整，将本图和上面的图进行对比便一目了然。

cmap ：设置颜色带的色系

1sns.heatmap(data=data,cmap= "RdBu_r")

好像变好看了?

center ：设置颜色带的分界线

1sns.heatmap(data=data,cmap= "RdBu_r",

2center= 300)

细心的朋友可以察觉到颜色带上色彩两级的分界线变成了300

annot ：是否显示数值注释

1sns.heatmap(data=data,annot= True,

2cmap= "RdBu_r")

怎么回事？乱码了吗？其实数值注释默认显示的是 科学记数法的数值，我们得把数值进行格式化，这就用到了下面的参数。

fmt ：format的缩写，设置数值的格式化形式

1sns.heatmap(data=data,annot= True,

2fmt= "d",cmap= "RdBu_r")

3#foramt为int类型

linewidths ：控制每个小方格之间的间距

1sns.heatmap(data=data,annot= True,

2fmt= "d",linewidths= 0.3,

3cmap= "RdBu_r")

4#可以看到每个小方格之产生了间隙

linecolor ：控制分割线的颜色

1sns.heatmap(data=data,annot= True,

2fmt= "d",linewidths= 0.3,

3linecolor= "grey",cmap= "RdBu_r")

4#原来的白色间隙变成了灰色间隙

cbar_kws ：关于颜色带的设置

1sns.heatmap(data=data,annot= True,

2fmt= "d",cmap= "RdBu_r",

3cbar_kws={ "orientation": "horizontal"})

4#横向显示颜色帮

mask ：传入布尔型矩阵，若为矩阵内为True，则热力图相应的位置的数据将会被屏蔽掉(常用在绘制相关系数矩阵图)

1importnumpy asnp

2#随机生成一个200行10列的数据集

3data_new = np.random.randn( 200, 10)

4

5#求出这个数据集的相关系数矩阵

6corr = np.corrcoef(data_new,rowvar= False)

7

8#以corr的形状生成一个全为0的矩阵

9mask = np.zeros_like(corr)

10

11#将mask的对角线及以上设置为True

12#这部分就是对应要被遮掉的部分

13mask[np.triu_indices_from(mask)] = True

14

15withsns.axes_style( "white"):

16sns.heatmap(corr, mask=mask, vmax= 0.3,

17annot= True,cmap= "RdBu_r")

如果大家对上面的代码流程不大了解，可以把mask打印出来看看

参照mask和上面绘制的图，应该就很容易理解了，mask中为1的部分，就是要被盖掉的部分。演示到此为止，想更深入的学习可以自行查阅官方文档！返回搜狐，查看更多

责任编辑：