温度图绘制【知识整理】

综述

学生党整理一些关于数据分析的知识：温度图的绘制。包括了温度图区间设置、正负值绘图、矩阵数据绘制热度图、显示具体数值及间距、指点颜色集cmap、隐藏图例、pd.pivot()使用技巧和读取csv中数据绘图。

代码模块

调用库

import matplotlib.pyplot as plt
import numpy as np
import pandas as pd
import seaborn as sns
sns.set_style('whitegrid')
np.random.seed(0)

颜色变化表述数值波动

uniform_data = np.random.rand(3,3)
heatmap = sns.heatmap(uniform_data)
plt.show()

区间设置

ax = sns.heatmap(uniform_data,vmax=0.5,vmin=0.2)
plt.show()

正负值绘图

normal_data = np.random.randn(3,3)  #增加－值
ax = sns.heatmap(normal_data,center=0)  #中心值为0，中心值两侧颜色不同
plt.show()

矩阵数据绘制热度图

flights = sns.load_dataset('flights')
print(flights.head())

flights = flights.pivot('month','year','passengers')
print(flights)
ax = sns.heatmap(flights)
plt.show()

显示具体数值及间距

ax = sns.heatmap(flights,annot = True,fmt='d',linewidths=.5)
plt.show()

指点颜色集cmap

ax = sns.heatmap(flights,cmap = 'YlGnBu')
plt.show()

隐藏图例

ax = sns.heatmap(flights,cbar=False)
plt.show()

pd.pivot()使用技巧

data = pd.read_csv("countyll.csv")

longitude,latitude,data
1,1,270.0315068
1,2,90.53040203
1,3,188.0083978
......
19,18,151.3984505
19,19,185.63089
19,20,311.1479002

data = data.pivot(index='latitude',columns='longitude',values='data')
#index=类数据类型，columns=行数据类型，values=值

longitude           1            2   ...           18           19
latitude                             ...                          
1           270.031507   180.002583  ...    49.281806    49.281806
2            90.530402   390.340237  ...  4596.067542  4596.067542
3           188.008398   101.280052  ...   109.596103   109.596103
4          1181.753994   283.479051  ...    32.865748   316.004400
5           138.264806  1530.763400  ...   131.562648   616.848303

读取csv中数据绘图

data = pd.read_csv("countyA.csv")
ax = sns.heatmap(data)
plt.show()

data = pd.read_csv("countyll.csv")
data = data.pivot(index='latitude',columns='longitude',values='data')
print(data.head())
ax = sns.heatmap(data,vmin='0',vmax='1000',cmap='YlGnBu')
plt.show()

小结

绘图知识整理部分主要针对绘图方法，具体在数据分析过程中使用哪种图片在之后具体的数据分析案例中详细说明。