python seaborn.heatmap实例
热力图的应用场景
热力图可用来观察数据的分布情况，也可以非常直观的呈现一些原本不易理解或表达的数据，比如密度、频数、温度等，改用区域和颜色这种更容易被人理解的方式来呈现。
seaborn.heatmap参数介绍
seaborn.heatmap(data, vmin=None, vmax=None, cmap=None, center=None, robust=False, annot=None, fmt=’.2g’, annotkws=None, linewidths=0, linecolor=‘white’, cbar=True, cbarkws=None, cbar_ax=None, square=False, ax=None, xticklabels=True, yticklabels=True, mask=None, **kwargs)
data：矩阵数据集
2D dataset that can be coerced into an ndarray. If a Pandas DataFrame is provided, the index/column information will be used to label the columns and rows.
vmin、vmax：图例中最大值和最小值的显示值
Values to anchor the colormap, otherwise they are inferred from the data and other keyword arguments.
annot：在每个单元格写入数据值
If True, write the data value in each cell. If an array-like with the same shape as data, then use this to annotate the heatmap instead of the raw data.
fmt：字符串格式
String formatting code to use when adding annotations.
实例分析
数据集：https://www.kaggle.com/gregorut/videogamesales
python数据处理包：numpy、pandas、matplotlib、seaborn
此数据集包含超过1000000份的视频游戏列表，其中字段包括：
Rank - 销售排名
Name - 游戏名称
Platform - 游戏发布平台
Year - 游戏发布年分
Genre - 游戏类型
Publisher - 游戏发行商
NA_Sales - 北美销售量
EU_Sales - 欧洲销售量
JP_Sales - 日本销售量
Other_Sales - 其他地区销售量
Global_Sales - 全球销售量
# coding: utf-8
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
df = pd.read_csv("vgsales.csv") #导入数据
#平台和游戏类型的关系
plat_genre = pd.crosstab(df.Platform,df.Genre)#频数表
# print plat_genre
plat_genre_total = plat_genre.sum(axis=1).sort_values(ascending=False)#axis =1表示按行进行汇总（axis=0/1），ascending=False表示按照降序排列
#print plat_genre_total
plt.figure(figsize=(8,6))#figsize:指定figure的宽和高，单位为英寸
sns.barplot(y = plat_genre_total.index,x = plat_genre_total.values,orient='h')#orient 柱状图方向是水平
plt.ylabel = "platform"
plt.xlabel = "number of games"
plt.show()
我们可以看到，DS和PS2平台上拥有最多的游戏类型，超过1000个游戏。
#每个地区每种类型的销售量和销售所占百分比
genre_group = df.groupby(['Genre']).sum().loc[:,'NA_Sales':'Global_Sales']# 取数所有行，列为'NA_Sales'到'Global_Sales'的数据
print genre_group
将数据集按照游戏类型分组汇总如下图所示：
genre_group['NA_Sales%'] = genre_group['NA_Sales']/genre_group['Global_Sales']
genre_group['EU_Sales%'] = genre_group['EU_Sales']/genre_group['Global_Sales']
genre_group['JP_Sales%'] = genre_group['JP_Sales']/genre_group['Global_Sales']
genre_group['Other_Sales%'] = genre_group['Other_Sales']/genre_group['Global_Sales']
#统计数热图,数据是矩阵
plt.figure(figsize=(8,10))
sns.set(font_scale=0.7)
plt.subplot(211) #绘制多个子图
sns.heatmap(genre_group.loc[:,'NA_Sales':'Other_Sales'],annot=True,fmt='.1f')#fmt = .1f 保留一位小数
plt.title('Comparation of each area in each Genre')
#百分比热图
plt.subplot(212)
sns.heatmap(genre_group.loc[:,'NA_Sales%':'Other_Sales%'],vmax=1,vmin=0,annot=True,fmt=".2%")
plt.title("Pencentage")
plt.show()
绘制各地区各类型的销售量和销售所占百分比热力图如下所示：
