Python数据分析-绘图-2-Seaborn进阶绘图-5-矩阵图

一、heatmap

热力图以颜色的明亮程度来显示数据的密集程度。颜色越明亮，数据越密集。

函数：seaborn.heatmap

常用参数：

data	接收二维矩阵数据集，用于绘图的数据集。
vmin，vmax	接收float，表示颜色映射的值的范围。默认为None
center	接收float，表示以0为中心发散颜色，默认为None。
cmap	接收色彩映射或颜色列表，表示数值到颜色空间的映射，默认为None。
robust	bool，如果为True，且vmin，vmax不存在，则用鲁棒分位数表示映射范围。默认为False。
annot	bool或矩形数据集，表示是否在每个单元格显示数值。默认为1
fmt	str，表示传递给FacetGrid的其他参数，默认为“auto”
linewidths	float，划分每个单元的线宽。默认为0.
linecolor	划分每个单元的线条颜色，默认为“white”
square	bool，表示是否使每个单元为方形。

flights=sns.load_dataset('flights')
#生成交叉联表
flights=flights.pivot("month","year","passengers")
sns.heatmap(flights)

 添加数值标记：

sns.heatmap(flights,annot=True,fmt="d")

二、clustermap 

该函数用于绘制分层聚类热力图。它可以在左侧显示每一个样本的分层聚类情况，在上方显示每一个特征的分层聚类情况。以热力图的形式显示出样本的分布。

函数：seaborn.clustermap

常用参数：

data
pivot_kws	dict,颜色映射的值的范围，默认为None。
method	str，聚类方法，默认为“average”
metric	float，表示数据距离度量方法。默认为“euclidean”
z_score	0或1，表示选择0（行）或1（列）计算z分数。默认为None
standard_scale	0或1，表示选择0（行）或1（列）进行标准化。默认为None
figsize	表示创建图形大小，默认为None
{row,col}_cluster	bool,表示是否对样本或特征聚类，默认为True。
{row,col}_linkage	Numpy的ndarray，表示对行或列计算链接矩阵，默认为None
{row,col}_color	接收list,DataFrame,Series,表示行或列标记的颜色列表，默认为None
mask	接收boolean，array，DF，表示是否屏蔽缺失单元格，默认为None。

iris=sns.load_dataset('iris')
#把species属性去掉后保存为一个新数据集
species=iris.pop("species")
sns.clustermap(iris)

 改变聚类方法，只绘制样本聚类图：

sns.clustermap(iris,method='single',col_cluster=False)