Seaborn绘制热力图的子图

Seaborn绘制热力图的子图

提示：如何绘制三张子图

绘制的时候，会出现如下问题

（1）如何绘制1*3的子图

（2）三个显示条，如何只显示最后一个

---

提示：下面就展示详细步骤

---

前言

提示：这里可以添加本文要记录的大概内容：

例如：随着人工智能的不断发展，机器学习这门技术也越来越重要，很多人都开启了学习机器学习，本文就介绍了机器学习的基础内容。

---

提示：以下是本篇文章正文内容，下面案例可供参考

一、seaborn是什么？

Seaborn是一个用于在Python中进行统计数据可视化的库。它是建立在Matplotlib之上的，可以轻松地创建各种各样的统计图表和信息可视化，以便更好地理解数据的分布、关系和趋势。

Seaborn提供了一系列的高级数据可视化功能，使得绘制各种统计图表变得更加简单。它具有以下特点：

1. 美观的默认样式： Seaborn具有吸引人的默认绘图样式，这使得生成精美的图表变得更加容易。
2. 内置的统计图表： Seaborn内置了许多常用的统计图表类型，如折线图、柱状图、箱线图、热力图、分布图等。
3. 配色方案： Seaborn提供了各种各样的配色方案，可以让图表的颜色更加具有吸引力。
4. 统计分析支持： Seaborn还可以与统计分析库（如pandas）集成，以更方便地可视化数据的分析结果。

使用Seaborn可以轻松地创建复杂的图表，而不需要过多的代码编写。它在数据科学、机器学习和数据分析领域广泛应用，帮助人们更好地理解数据并发现隐藏在数据中的模式和见解。

二、使用步骤

1. 方法一

直接设置cbar=False，如下代码会导致，第三张图和前两张图的尺寸不一致

import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns

# 创建数据
data1 = np.random.rand(5, 5)
data2 = np.random.rand(5, 5)
data3 = np.random.rand(5, 5)

# 创建一个1x3的子图
fig, axes = plt.subplots(1, 3, figsize=(15, 5))

# 在每个子图中绘制热力图
sns.heatmap(data1, ax=axes[0], annot=True, cmap='YlGnBu', cbar=False)
sns.heatmap(data2, ax=axes[1], annot=True, cmap='YlGnBu', cbar=False)
sns.heatmap(data3, ax=axes[2], annot=True, cmap='YlGnBu', cbar=True)

# 添加子图标题
axes[0].set_title('Heatmap 1')
axes[1].set_title('Heatmap 2')
axes[2].set_title('Heatmap 3')

# 调整子图布局
plt.tight_layout()

# 显示图形
plt.show()

2.方法二

直接设置cbar_ax=axes[2].inset_axes([1.05, 0, 0.05, 1])就可以生成三个大小一致的图形，并且只显示最后一个指示条

# 创建一个1行3列的子图布局
fig, axes = plt.subplots(1, 3, figsize=(15, 4.5))


# 绘制第一个子图热力图
heatmap1 = sns.heatmap(data1, cmap='Greens', ax=axes[0], cbar=False)
# axes[0].set_title('Heatmap 1')

# 绘制第二个子图热力图
heatmap2 = sns.heatmap(data2, cmap='Greens', ax=axes[1], cbar=False)
# axes[1].set_title('Heatmap 2')

# 绘制第三个子图热力图
heatmap3 = sns.heatmap(data3, cmap='Greens', ax=axes[2], cbar_ax=axes[2].inset_axes([1.05, 0, 0.05, 1]))
# axes[2].set_title('Heatmap 3')

# 显示图形
plt.tight_layout()
plt.savefig("./figure/{}.png".format("all_hot"), dpi=300)
plt.show()

该处使用的url网络请求的数据。

---

总结

提示：子图绘制总结：

在这个示例中，我们首先导入所需的库，然后创建了一个1x3的子图布局。接下来，使用Seaborn的heatmap函数在每个子图中绘制热力图，并通过ax参数指定要绘制的子图。对于前两个子图，我们将cbar参数设置为False，以防止显示颜色指示条，而在最后一个子图中，我们将cbar参数设置为True，以显示颜色指示条。最后，我们通过设置子图标题和调整布局来美化图表，然后显示图形。