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&＃xff0c;从而使得作图更加容易&＃xff0c;不需要经过大量的调整就能使你的图变得精致。
注&＃xff1a;所有代码均在IPython notebook中实现
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&＃xff0c;在展示列联表的数据分布上也有较大的用途&＃xff0c;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&＃xff1a;
下面将演示这些主要参数的用法&＃xff0c;第一件事还是先导入相关的packages。
import seaborn as sns
%matplotlib inline
sns.set(font_scale&＃61;1.5)
本次演示采用的数据集是Seaborn中内置的flights航班数据集&＃xff1a;
#导入数据集后按年月两个维度进行数据透视
data&＃61;sns.load_dataset("flights").pivot("month","year","passengers")
data.head()
如上图所示&＃xff0c;dataframe中的数据代表了1949年-1960年每个月的航班乘客数量&＃xff0c;接下来热力图就隆重登场啦&＃xff01;
sns.set_context({"figure.figsize":(8,8)})
sns.heatmap(data&＃61;data,square&＃61;True)
#可以看到热力图主要展示的是二维数据的数据关系
#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&＃xff0c;上面代表了数值到颜色的映射&＃xff0c;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&＃xff0c;一是随着时间的推移&＃xff0c;飞机的乘客数量是在逐步增多的&＃xff0c;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&＃xff1a;设置颜色带的最大值vmin&＃xff1a;设置颜色带的最小值
sns.heatmap(data&＃61;data,vmin&＃61;200,vmax&＃61;500)
可以看到右侧的颜色带最大最小值变了&＃xff0c;而heatmap中颜色映射关系也会随之调整&＃xff0c;将本图和上面的图进行对比便一目了然。
cmap&＃xff1a;设置颜色带的色系
sns.heatmap(data&＃61;data,cmap&＃61;"RdBu_r")
好像变好看了?
center&＃xff1a;设置颜色带的分界线
sns.heatmap(data&＃61;data,cmap&＃61;"RdBu_r",center&＃61;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&＃xff1a;是否显示数值注释
sns.heatmap(data&＃61;data,annot&＃61;True,cmap&＃61;"RdBu_r")
怎么回事&＃xff1f;乱码了吗&＃xff1f;其实数值注释默认显示的是科学记数法的数值&＃xff0c;我们得把数值进行格式化&＃xff0c;这就用到了下面的参数。
fmt&＃xff1a;format的缩写&＃xff0c;设置数值的格式化形式
sns.heatmap(data&＃61;data,annot&＃61;True,fmt&＃61;"d",cmap&＃61;"RdBu_r")
#foramt为int类型
linewidths&＃xff1a;控制每个小方格之间的间距
sns.heatmap(data&＃61;data,annot&＃61;True,fmt&＃61;"d",linewidths&＃61;0.3,cmap&＃61;"RdBu_r")
#可以看到每个小方格之产生了间隙
linecolor&＃xff1a;控制分割线的颜色
sns.heatmap(data&＃61;data,annot&＃61;True,fmt&＃61;"d",linewidths&＃61;0.3,linecolor&＃61;"grey",cmap&＃61;"RdBu_r")
#原来的白色间隙变成了灰色间隙
cbar_kws&＃xff1a;关于颜色带的设置
sns.heatmap(data&＃61;data,annot&＃61;True,fmt&＃61;"d",cmap&＃61;"RdBu_r",cbar_kws&＃61;{"orientation":"horizontal"})
#横向显示颜色帮
mask&＃xff1a;传入布尔型矩阵&＃xff0c;若为矩阵内为True&＃xff0c;则热力图相应的位置的数据将会被屏蔽掉&＃xff08;常用在绘制相关系数矩阵图&＃xff09;
import numpy as np
#随机生成一个200行10列的数据集
data_new &＃61; np.random.randn(200,10)
#求出这个数据集的相关系数矩阵 corr &＃61; np.corrcoef(data_new,rowvar&＃61;False)
#以corr的形状生成一个全为0的矩阵
mask &＃61; np.zeros_like(corr)
#将mask的对角线及以上设置为True
#这部分就是对应要被遮掉的部分mask[np.triu_indices_from(mask)] &＃61; True
with sns.axes_style("white"):sns.heatmap(corr, mask&＃61;mask, vmax&＃61;0.3, annot&＃61;True,cmap&＃61;"RdBu_r")
如果大家对上面的代码流程不大了解&＃xff0c;可以把mask打印出来看看
参照mask和上面绘制的图&＃xff0c;应该就很容易理解了&＃xff0c;mask中为1的部分&＃xff0c;就是要被盖掉的部分。演示到此为止&＃xff0c;想更深入的学习可以自行查阅官方文档
原创不易&＃xff0c;如果觉得有点用&＃xff0c;希望可以随手点个赞&＃xff0c;拜谢各位老铁。
![[翻译]PyCairo指南裁剪和masking](https://img6.php1.cn/3cdc5/9d74/696/ff5f2ae0c65cf286.jpeg)
京公网安备 11010802041100号