可视化库-seaborn-热力图(第五天)

1. 画一个基本的热力图， 通过热力图用来观察样本的分布情况

import matplotlib.pyplot as plt
import numpy as np
np.random.seed(0)
import seaborn as sns
# 初始化参数
sns.set()
uniform_data = np.random.rand(3, 3)
heatmap = sns.heatmap(uniform_data)
plt.show()

2. 通过vmin 和 vmax设置热力图的区间

uniform_data = np.random.rand(3, 3)
# 通过vmin和vmax设置热力图的范围区间
heatmap = sns.heatmap(uniform_data, vmin=0.2, vmax=0.5)
plt.show()

3.center=0 对于有正有负的数据而言颜色差异更大

uniform_data = np.random.randn(3, 3)
# 通过vmin和vmax设置热力图的范围区间
heatmap = sns.heatmap(uniform_data, center=0)
plt.show()

4. 取出三个特征进行热力图的绘制figures.pivot() 第三个属性表示热力图上实际的值

flights = sns.load_dataset('flights')
# 取出这三个属性画热力图，坐标点的位置是passengers
flights = flights.pivot('month', 'year', 'passengers')
ax = sns.heatmap(flights)
plt.show()

# 将实际的数值绘制到上面
flights = sns.load_dataset('flights')
# 取出这三个属性画热力图，坐标点的位置是passengers
flights = flights.pivot('month', 'year', 'passengers')
ax = sns.heatmap(flights, annot=True, fmt='d')
plt.show()

5. linewidth 使得格与格之间有距离， 指定调色板, 隐藏colorbar

flights = sns.load_dataset('flights')
# 取出这三个属性画热力图，坐标点的位置是passengers
flights = flights.pivot('month', 'year', 'passengers')
ax = sns.heatmap(flights, linewidths=0.5, cmap='YlGnBu', cbar=False)
plt.show()