Теплова карта визначається як графічне представлення даних з використанням кольорів для візуалізації значення матриці. У цьому випадку для представлення більш поширених цінностей або вищої активності використовуються більш яскраві кольори, в основному червонуваті кольори, а для представлення менш поширених цінностей або цінностей активності перевага віддається темнішим кольорам. Теплова карта також визначається назвою матриці затінення. Теплові карти в Seaborn можна побудувати за допомогою функції seaborn.heatmap().

seaborn.heatmap()

Синтаксис: seaborn.heatmap( даних , * , vmin=Жодного , vmax=Жодного , cmap=Жодного , center=Жодного , annot_kws=Ні , ширина ліній=0 , linecolor=’білий’ , cbar=Правда , **кварги )

Важливі параметри:

дані: 2D-набір даних, який можна примусово перетворити в ndarray. vmin , vmax: Значення для закріплення карти кольорів, інакше вони виводяться з даних та інших ключових аргументів. cmap: зіставлення значень даних із простором кольорів. центр: значення, за яким центрується карта кольорів під час побудови розбіжних даних. annot: Якщо True, запишіть значення даних у кожну клітинку. fmt: код форматування рядка для використання під час додавання анотацій. linewidths: ширина ліній, які розділятимуть кожну клітинку. колір лінії: колір ліній, які розділятимуть кожну комірку. cbar: чи малювати кольорову смугу.

Усі параметри, крім даних, є необов’язковими.

Повернення: Об’єкт типу matplotlib.axes._subplots.AxesSubplot

Розберемо теплову карту на прикладах.

Базова теплова карта

Створення теплової карти з параметрами за замовчуванням. Ми будемо створювати двовимірні дані 10×10 за допомогою дата() функція модуля NumPy.

Python3

# importing the modules> import> numpy as np> import> seaborn as sn> import> matplotlib.pyplot as plt> > # generating 2-D 10x10 matrix of random numbers> # from 1 to 100> data> => np.random.randint(low> => 1> ,> > high> => 100> ,> > size> => (> 10> ,> 10> ))> print> (> 'The data to be plotted: '> )> print> (data)> > # plotting the heatmap> hm> => sn.heatmap(data> => data)> > # displaying the plotted heatmap> plt.show()>

Вихід:

The data to be plotted: [[46 30 55 86 42 94 31 56 21 7] [68 42 95 28 93 13 90 27 14 65] [73 84 92 66 16 15 57 36 46 84] [ 7 11 41 37 8 41 96 53 51 72] [52 64 1 80 33 30 91 80 28 88] [19 93 64 23 72 15 39 35 62 3] [51 45 51 17 83 37 81 31 62 10] [ 9 28 30 47 73 96 10 43 30 2] [74 28 34 26 2 70 82 53 97 96] [86 13 60 51 95 26 22 29 14 29]] 

Ми будемо використовувати ті самі дані в усіх прикладах.

Закріплення карти кольорів

Якщо ми встановимо хв значення до 30 і vmax значення до 70, то відображатимуться лише клітинки зі значеннями від 30 до 70. Це називається прив’язкою кольорової карти.

Python3

# importing the modules> import> numpy as np> import> seaborn as sn> import> matplotlib.pyplot as plt> > # generating 2-D 10x10 matrix of random numbers> # from 1 to 100> data> => np.random.randint(low> => 1> ,> > high> => 100> ,> > size> => (> 10> ,> 10> ))> > # setting the parameter values> vmin> => 30> vmax> => 70> > # plotting the heatmap> hm> => sn.heatmap(data> => data,> > vmin> => vmin,> > vmax> => vmax)> > # displaying the plotted heatmap> plt.show()>

Вихід:

Вибір карти кольорів

У цьому ми розглянемо cmap параметр. Matplotlib надає нам кілька кольорових карт, ви можете переглянути їх усі тут . У нашому прикладі ми будемо використовувати вкладка20 .

Python3

# importing the modules> import> numpy as np> import> seaborn as sn> import> matplotlib.pyplot as plt> > # generating 2-D 10x10 matrix of random numbers> # from 1 to 100> data> => np.random.randint(low> => 1> ,> > high> => 100> ,> > size> => (> 10> ,> 10> ))> > # setting the parameter values> cmap> => 'tab20'> > # plotting the heatmap> hm> => sn.heatmap(data> => data,> > cmap> => cmap)> > # displaying the plotted heatmap> plt.show()>

Вихід:

Центрування карти кольорів

Центрування cmap до 0 шляхом передачі центр параметр як 0.

Python3

# importing the modules> import> numpy as np> import> seaborn as sn> import> matplotlib.pyplot as plt> > # generating 2-D 10x10 matrix of random numbers> # from 1 to 100> data> => np.random.randint(low> => 1> ,> > high> => 100> ,> > size> => (> 10> ,> 10> ))> > # setting the parameter values> cmap> => 'tab20'> center> => 0> > # plotting the heatmap> hm> => sn.heatmap(data> => data,> > cmap> => cmap,> > center> => center)> > # displaying the plotted heatmap> plt.show()>

Вихід:

Відображення значень клітинок

Якщо ми хочемо відобразити значення комірок, ми передаємо параметр вони кажуть як Правда. fmt використовується для вибору типу даних для вмісту комірок, що відображаються.

Python3

# importing the modules> import> numpy as np> import> seaborn as sn> import> matplotlib.pyplot as plt> > # generating 2-D 10x10 matrix of random numbers> # from 1 to 100> data> => np.random.randint(low> => 1> ,> > high> => 100> ,> > size> => (> 10> ,> 10> ))> > # setting the parameter values> annot> => True> > # plotting the heatmap> hm> => sn.heatmap(data> => data,> > annot> => annot)> > # displaying the plotted heatmap> plt.show()>

Вихід:

Налаштування розділової лінії

Ми можемо змінити товщину та колір ліній, що розділяють клітинки, за допомогою ширини ліній і колір лінії параметри відповідно.

Python3

# importing the modules> import> numpy as np> import> seaborn as sn> import> matplotlib.pyplot as plt> > # generating 2-D 10x10 matrix of random numbers> # from 1 to 100> data> => np.random.randint(low> => 1> ,> > high> => 100> ,> > size> => (> 10> ,> 10> ))> > # setting the parameter values> linewidths> => 2> linecolor> => 'yellow'> > # plotting the heatmap> hm> => sn.heatmap(data> => data,> > linewidths> => linewidths,> > linecolor> => linecolor)> > # displaying the plotted heatmap> plt.show()>

Вихід:

Приховування кольорової панелі

Ми можемо вимкнути кольорову панель, встановивши cbar параметр на False.

Python3

# importing the modules> import> numpy as np> import> seaborn as sn> import> matplotlib.pyplot as plt> > # generating 2-D 10x10 matrix of random numbers> # from 1 to 100> data> => np.random.randint(low> => 1> ,> > high> => 100> ,> > size> => (> 10> ,> 10> ))> > # setting the parameter values> cbar> => False> > # plotting the heatmap> hm> => sn.heatmap(data> => data,> > cbar> => cbar)> > # displaying the plotted heatmap> plt.show()>

Вихід:

Видалення етикеток

Ми можемо вимкнути мітки x і y, передавши False у xticklabels і yticlabels параметри відповідно.

Python3

# importing the modules> import> numpy as np> import> seaborn as sn> import> matplotlib.pyplot as plt> > # generating 2-D 10x10 matrix of random numbers> # from 1 to 100> data> => np.random.randint(low> => 1> ,> > high> => 100> ,> > size> => (> 10> ,> 10> ))> > # setting the parameter values> xticklabels> => False> yticklabels> => False> > # plotting the heatmap> hm> => sn.heatmap(data> => data,> > xticklabels> => xticklabels,> > yticklabels> => yticklabels)> > # displaying the plotted heatmap> plt.show()>

Вихід: