heatmap学习笔记

#heatmap 热度图， seaborn 中常用的图，也是我最喜欢画的一种图

# 重要点思维：拿到一批数据一般会求特征之间的相关系数，可以用 padas 直接求出来相关系数，放到 heatmap ，可以很清楚的看到两个特征的相关程度，这是一个固定的数据思维

# 用途：比如拿到一批离散数据，想看一下在哪个点值比较大，在哪个点值比较低，你想把这样一个值的变化，用颜色来区分出来，这是我们要做的一个变化

import matplotlib.pyplot as plt

import numpy as np

np.random.seed( 0 )

import seaborn as sns

sns.set()

# 颜色可以由浅到深，可以由深到浅，比如股票每天的涨跌

#

# 随机生成一个 3*3 矩阵，点 heatmap 穿进去数据，调色板叫做 col_bar, 很明显的看出这堆数中的值大小

uniform_data=np.random.rand( 3 , 3 )

heatmap=sns.heatmap(uniform_data)

# 可以区间设置， vmin vmax ，大于或小于 v 的全是一个颜色，只有在这区间的才会分颜色

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

# 比如拿到的数据是权重参数，又有正负，正是涨，负是跌，定义 center=0 ，以 0 为中心画这个数据

normal_data = np.random.randn( 3 , 3 )

ax2 = sns.heatmap(normal_data , center = 0 )

# 读取航班数据集 flights ， seaborn 自带的， 1949 年乘机的人数 passengers

# 需要横轴表示年份，纵轴月份，点的值是大小

# 把当前的数据转换为可以用的矩阵格式，读取的 dataframe 的，然后 .pivot 一下（ x ， y ，值） x 和 y 直接写列名即可，直接把 dataframe 中的 year 和 month 传进来，加一个注释项 annot=True ， fmt=“d” 即是在图上显示数据值， linwidth=.5 加上一个格，这个图会比较更清晰，调色板是 cmap=“YIGnBu” ，颜色， cbar=false 是隐藏，但是一般不隐藏不然不知道图例了

# 默认颜色太丑，应该设置一下常用的颜色

flights = sns.load_dataset( 'flights' )

# print(flights.head())

flights=flights.pivot( 'month' , 'year' , 'passengers' ) #pivot 函数重要

# print(flights.head())

sns.heatmap(flights) # 注意这里是直接传入数据集即可，不需要再单独传入 x 和 y 了

sns.heatmap(flights , linewidth = .5 , annot = True, fmt = 'd' )

# 改变颜色

ax= sns.heatmap(flights , cbar = False, cmap = 'YlGnBu' )