Seaborn绘制热力图

Seaborn绘制热力图

Seaborn.heatmap (data, vmin=None, vmax=None, camp=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)

1. 热力图输入数据参数: 

data: 矩阵数据集，可以是numpy的数组（array），也可以是pandas的DataFrame。如果是DataFrame，则df的index/column信息会分别对应到heatmap的columns和rows，即pt.index是热力图的行标，pt.columns是热力图的列标。

2. 热力图矩阵块颜色参数:

vmin，vmax：分别是热力图的颜色取值最大和最小范围，默认是根据data数据表里的取值确定。

camp：从数字到色彩空间的映射，取值是matplotlib包里的colormap名称或颜色对象，或者表示颜色的列表，如果没有提供，默认值将取决于是否设置了center。

center：数据表取值有差异时，设置热力图的色彩中心对齐值；通过设置center值，可以调整生成的图像颜色的整体深浅；设置center数据时，如果有数据溢出，则手动设置的vmax、vmin会自动改变 。

robust:默认取值False；如果是False，且没设定vmin和vmax的值，热力图的颜色映射范围根据具有鲁棒性的分位数设定，而不是用极值设定。

3．热力图矩阵块注释参数:

annot(annotate的缩写):默认取值False；如果是True，在热力图每个方格写入数据；如果是矩阵，在热力图每个方格写入该矩阵对应位置数据 

fmt:字符串格式代码，矩阵上标识数字的数据格式，比如保留小数点后几位数字 。

annot_kws:默认取值False；如果是True，设置热力图矩阵上数字的大小颜色字体，matplotlib包text类下的字体设置。

4. 热力图矩阵块之间间隔及间隔线参数

linewidths:定义热力图里“表示两两特征关系的矩阵小块”之间的间隔大小 
linecolor:切分热力图上每个矩阵小块的线的颜色，默认值是’white’

5. 热力图颜色刻度条参数：

cbar:是否在热力图侧边绘制颜色刻度条，默认值是True 
cbar_kws:热力图侧边绘制颜色刻度条时，相关字体设置，默认值是None 
cbar_ax:热力图侧边绘制颜色刻度条时，刻度条位置设置，默认值是None

 

square:设置热力图矩阵小块形状，默认值是False

xticklabels, yticklabels:xticklabels控制每列标签名的输出；yticklabels控制每行标签名的输出。默认值是auto。如果是True，则以DataFrame的列名作为标签名。如果是False，则不添加行标签名。如果是列表，则标签名改为列表中给的内容。如果是整数K，则在图上每隔K个标签进行一次标注。 如果是auto，则自动选择标签的标注间距，将标签名不重叠的部分(或全部)输出

mask:控制某个矩阵块是否显示出来。默认值是None。如果是布尔型的DataFrame，则将DataFrame里True的位置用白色覆盖掉

ax:设置作图的坐标轴，一般画多个子图时需要修改不同的子图的该值

**kwargs: All other keyword arguments are passed to ax.pcolormesh

下面用python实现

import numpy as np
import seaborn as sns
import pandas as pd
import matplotlib.pyplot as plt

sns.set()
np.random.seed(0)
uniform_data=np.random.rand(10,12)
ax=sns.heatmap(uniform_data)
plt.show()

ax2=sns.heatmap(uniform_data,vmin=0,vmax=1)
plt.show()
#以0为中心的数据绘制一张热图
ax3=sns.heatmap(uniform_data,center=0)
plt.show()

# #===================================例2： 首先造一张数据表====================================
region=['Azerbaijan','Bahamas', 'Bangladesh', 'Belize', 'Bhutan',
          'Cambodia', 'Cameroon', 'Cape Verde', 'Chile', 'China']
kind=['Afforestation & reforestation', 'Biofuels', 'Biogas', 'Biomass', 'Cement']
np.random.seed(20180316)#原来每次运行代码时设置相同的seed，则每次生成的随机数也相同，如果不设置seed，则每次生成的随机数都会不一样
arr_region=np.random.choice(region,size=(200,))
'''
numpy.random.choice(a, size=None, replace=True, p=None)
 a:一维数组或者一个整数
    如果是ndarray，则从数组元素生成随机样本。
    如果是整数，则随机样本的生成是np .arange(n)
 size：可选，整型或者tuple形式
 replace：布尔型，表示样本是否有更换
 p：一维数组类型，可选。表示从a 中以概率P，随机选择。如果没有给定，样本假设a中的所有项的分布是均匀的。

'''
list_region=list(arr_region)
arr_kind=np.random.choice(kind,size=(200,))
list_kind=list(arr_kind)

values=np.random.randint(100,200,200)
list_values=list(values)
df=pd.DataFrame({'region':list_region,'kind':list_kind,'values':list_values})
print(df)
'''
# <class 'numpy.ndarray'>
#          region                           kind  values
# 0      Cameroon                         Cement     140
# 1        Bhutan  Afforestation & reforestation     178
# 2         China                       Biofuels     161
# 3      Cambodia  Afforestation & reforestation     100
# 4       Bahamas                       Biofuels     129
# 5    Azerbaijan                         Cement     121
# 6         China  Afforestation & reforestation     142
# 7    Azerbaijan  Afforestation & reforestation     157
# 8       Bahamas  Afforestation & reforestation     134
# 9        Belize                         Cement     125
# 10     Cameroon                         Biogas     177
# 11   Bangladesh                        Biomass     163
# 12   Bangladesh                         Biogas     127
# 13   Bangladesh                         Cement     128
# 14      Bahamas                         Cement     181
# 15     Cambodia                        Biomass     105
# 16     Cameroon                         Cement     193
# 17   Cape Verde                         Cement     160
# 18      Bahamas                       Biofuels     181
# 19       Belize                        Biomass     117
# 20      Bahamas                         Biogas     165
# 21   Cape Verde                         Biogas     183
# 22      Bahamas                        Biomass     153
# 23     Cambodia                         Cement     134
# 24       Bhutan                        Biomass     199
# 25       Belize                         Biogas     123
# 26       Belize                         Cement     173
# 27     Cameroon                         Biogas     182
# 28   Azerbaijan                       Biofuels     177
# 29      Bahamas  Afforestation & reforestation     109
# ..          ...                            ...     ...
# 170    Cambodia                         Cement     163
# 171    Cambodia                        Biomass     107
# 172      Bhutan                        Biomass     185
# 173      Belize                         Cement     151
# 174    Cameroon                         Cement     183
# 175  Bangladesh                       Biofuels     192
# 176      Bhutan                         Cement     133
# 177     Bahamas                       Biofuels     126
# 178  Azerbaijan                        Biomass     179
# 179  Bangladesh                         Cement     127
# 180       China                        Biomass     181
# 181    Cameroon                         Cement     138
# 182       Chile                       Biofuels     175
# 183  Cape Verde                         Biogas     176
# 184    Cambodia                         Cement     192
# 185  Cape Verde  Afforestation & reforestation     155
# 186  Cape Verde                       Biofuels     188
# 187    Cambodia                         Biogas     139
# 188    Cambodia                         Biogas     191
# 189    Cameroon                         Cement     135
# 190  Cape Verde                         Biogas     134
# 191  Bangladesh                         Biogas     174
# 192      Belize                        Biomass     174
# 193    Cameroon                        Biomass     153
# 194  Azerbaijan                        Biomass     177
# 195      Belize                       Biofuels     119
# 196       China                       Biofuels     183
# 197    Cameroon                         Biogas     114
# 198       China  Afforestation & reforestation     143
# 199      Belize  Afforestation & reforestation     149
#
# [200 rows x 3 columns]
#
# '''
print(df['kind'].value_counts())
'''
Cement                           47
Biogas                           44
Biofuels                         41
Afforestation & reforestation    38
Biomass                          30
Name: kind, dtype: int64

'''
#将DataFrame数据表转换成“数据透视表”
pt=df.pivot_table(index='kind',columns='region',values='values',aggfunc=np.sum)
print(pt)
#index是行，columns是列，values是表中展示的数据，aggfunc是表中展示每组数据使用的运算
'''
region                         Azerbaijan  Bahamas  ...    Chile  China
kind                                                ...
Afforestation & reforestation         568      571  ...      225    608
Biofuels                              515      903  ...      313    782
Biogas                                499      614  ...      715    130
Biomass                               834      153  ...      164    749
Cement                                431      549  ...      194    747

[5 rows x 10 columns]
'''

                      

#======================================center的用法（颜色）==================================
f,(ax1,ax2)=plt.subplots(figsize=(6,4),nrows=2)
cmap=sns.cubehelix_palette(start=1.5,rot=3,gamma=0.8,as_cmap=True)#从数字到色彩空间的映射
sns.heatmap(pt,linewidths=0.05,ax=ax1,cmap=cmap,center=None)
ax1.set_title('center=None')
ax1.set_xlabel('')
ax1.set_xticklabels([]) #设置x轴图例为空值
ax1.set_ylabel('kind')

# 当center设置小于数据的均值时，生成的图片颜色要向0值代表的颜色一段偏移
sns.heatmap(pt, linewidths = 0.05, ax = ax2, cmap=cmap, center=200)
ax2.set_title('center=3000')
ax2.set_xlabel('region')
ax2.set_ylabel('kind')
plt.show()

                             

#robust的用法(颜色)
f, (ax1,ax2) = plt.subplots(figsize = (6,4),nrows=2)
cmap = sns.cubehelix_palette(start = 1.5, rot = 3, gamma=0.8, as_cmap = True)
sns.heatmap(pt, linewidths = 0.05, ax = ax1, cmap=cmap, center=None, robust=False )
ax1.set_title('robust=False')
ax1.set_xlabel('')
ax1.set_xticklabels([]) #设置x轴图例为空值
ax1.set_ylabel('kind')

sns.heatmap(pt, linewidths = 0.05, ax = ax2, cmap=cmap, center=None, robust=True )
ax2.set_title('robust=True')
ax2.set_xlabel('region')
ax2.set_ylabel('kind')
plt.show()

                             

#=================================热力图矩阵块注释参数=======================================
np.random.seed(20180316)
x = np.random.randn(4, 4)
f, (ax1, ax2) = plt.subplots(figsize=(6, 6), nrows=2)
sns.heatmap(x, annot=True, ax=ax1)
sns.heatmap(x, annot=True, ax=ax2, annot_kws={'size': 9, 'weight': 'bold', 'color': 'blue'})

#fmt(字符串格式代码，矩阵上标识数字的数据格式，比如保留小数点后几位数字)
np.random.seed(0)
x = np.random.randn(4,4)
f, (ax1, ax2) = plt.subplots(figsize=(6,6),nrows=2)
sns.heatmap(x, annot=True, ax=ax1)
sns.heatmap(x, annot=True, fmt='.1f', ax=ax2)
plt.show()

 

 

#==============================热力图矩阵块之间间隔及间隔线参数===========================
# linewidths(矩阵小块的间隔),linecolor(切分热力图矩阵小块的线的颜色)
f, ax = plt.subplots(figsize=(6, 4))
cmap = sns.cubehelix_palette(start=1, rot=3, gamma=0.8, as_cmap=True)
sns.heatmap(pt, cmap=cmap, linewidths=0.05, linecolor='red', ax=ax)
ax.set_title('Amounts per kind and region')
ax.set_xlabel('region')
ax.set_ylabel('kind')
plt.show()

                            

# xticklabels，yticklabels横轴和纵轴的标签名输出
f, (ax1, ax2) = plt.subplots(figsize=(5, 5), nrows=2)
cmap = sns.cubehelix_palette(start=1.5, rot=3, gamma=0.8, as_cmap=True)
p1 = sns.heatmap(pt, ax=ax1, cmap=cmap, center=None, xticklabels=False)
ax1.set_title('xticklabels=None', fontsize=8)
p2 = sns.heatmap(pt, ax=ax2, cmap=cmap, center=None, xticklabels=2, yticklabels=list(range(5)))
ax2.set_title('xticklabels=2, yticklabels is a list', fontsize=8)
ax2.set_xlabel('region')
plt.show()

                                       

# mask对某些矩阵块的显示进行覆盖
f, (ax1, ax2) = plt.subplots(figsize=(5, 5), nrows=2)
cmap = sns.cubehelix_palette(start=1.5, rot=3, gamma=0.8, as_cmap=True)
p1 = sns.heatmap(pt, ax=ax1, cmap=cmap, xticklabels=False, mask=None)
ax1.set_title('mask=None')
ax1.set_ylabel('kind')
p2 = sns.heatmap(pt, ax=ax2, cmap=cmap, xticklabels=True, mask=(pt < 800))
# mask对pt进行布尔型转化,结果为True的位置用白色覆盖
ax2.set_title('mask: boolean DataFrame')
ax2.set_xlabel('region')
ax2.set_ylabel('kind')

#用mask实现，突出某些数据
f,(ax1,ax2) = plt.subplots(figsize=(4,6),nrows=2)
x = np.array([[1,2,3],[2,0,1],[-1,-2,0]])
sns.heatmap(x, annot=True, ax=ax1)
sns.heatmap(x, mask=x < 1, ax=ax2, annot=True, annot_kws={"weight": "bold"})   #把小于1的区域覆盖掉
plt.show()