手把手教你用python绘制热度图(heatmap)

更新时间：2022年12月23日 08:12:59 作者：黄思博呀

我们在做诸如人群密集度等可视化的时候,可能会考虑使用热力图,在Python中能很方便地绘制热力图,下面这篇文章主要给大家介绍了关于用python绘制热度图(heatmap)的相关资料,需要的朋友可以参考下

1、简单的代码

from matplotlib import pyplot as plt
import seaborn as sns
import numpy as np
import pandas as pd
 
#练习的数据：
data=np.arange(25).reshape(5,5)
data=pd.DataFrame(data)
 
#绘制热度图：
plot=sns.heatmap(data)
 
plt.show()

查看效果：

2、添加X轴和Y轴标签和标题：

plt.xlabel("X",size=20)
plt.ylabel("Y",size=20,rotation=0)
plt.title("heatmap",size=20)

查看效果：

3、对右侧的色条(colorbar)进行调整：

在heatmap里添加关键字参数cbar_kws，这个参数对应是一个字典，字典的内容传递给类Colorbar。这个类就是被调用来绘制色条的。

from matplotlib import pyplot as plt
import seaborn as sns
import numpy as np
import pandas as pd
 
#练习的数据：
data=np.arange(-18,18).reshape(6,6)
data=pd.DataFrame(data)
 
#设置色条的刻度：
tick_=np.arange(-20,20,5).astype(float)
 
#编辑做为参数的字典：
dict_={'orientation':'vertical',"label":"color  \
scale","drawedges":True,"ticklocation":"top","extend":"min", \
"filled":True,"alpha":0.8,"cmap":"cmap","ticks":tick_}
 
#将字典传入给参数cbar_kws:
cmap=sns.heatmap(data,cbar_kws=dict_,center=0)
 
#添加标题和标签：
plt.xlabel("X",size=20)
plt.ylabel("Y",size=20,rotation=0)
plt.title("heatmap",size=20)
 
plt.show()

查看效果：

这里的orientation（定位）参数对应的参数值有vertical（垂直）和 horizontal（水平），可以调整色条的放置状态，ticks参数传递色条的刻度值。

4、修改色条的刻度值和标签的字体大小、颜色：

在Colorbar类里，没有直接的参数可以调整刻度字体的大小，所以无法通过关键字参数cbar_kws进行调整刻度字体大小。

但是可以调用Colorbar的ax类进行调整：

#调用Colorbar类：
cbar = cmap.collections[0].colorbar
 
#利用Colorbar类的axis类的方法，修改刻度大小和设置刻度颜色
cbar.ax.tick_params(labelsize=20,labelcolor="blue")

这里的cmap是用sns.heatmap()函数绘制热度图时赋予的对象

这里的关键步骤是cbar = cmap.collections[0].colorbar

得到的cbar.ax变量是matplotlib.axes._subplots.AxesSubplot类，和cmap变量一致

这里的cbar.ax连接到matplotlib.axis类，可以使用后者的方法

#修改色条标签的字体大小：
cbar.ax.ylabel(ylabe="color scale",size=20,color="red",loc="center")
 
plt.show()

查看效果：

实际上，这副热度图可以看做是两张图，左侧的热度图和右侧的色条。

5、对热度图显示数值和添加网格线：

from matplotlib import pyplot as plt
import seaborn as sns
import numpy as np
import pandas as pd
from matplotlib import colorbar
 
#练习的数据：
data=np.arange(-18,18).reshape(6,6)
data=pd.DataFrame(data)
 
#绘制热度图：
tick_=np.arange(-20,20,5).astype(float)
dict_={'orientation':'vertical',"label":"color  \
scale","drawedges":True,"ticklocation":"right","extend":"min", \
"filled":True,"alpha":0.8,"cmap":"cmap","ticks":tick_,"spaci,linewidths=0.5ng":'proportional'}
#绘制添加数值和线条的热度图：
cmap = sns.heatmap(data,linewidths=0.8,annot=True,fmt="d")
plt.xlabel("X",size=20)
plt.ylabel("Y",size=20,rotation=0)
plt.title("heatmap",size=20)
 
#调整色带的标签：
cbar = cmap.collections[0].colorbar
cbar.ax.tick_params(labelsize=20,labelcolor="blue")
cbar.ax.set_ylabel(ylabel="color scale",size=20,color="red",loc="center")
 
plt.show()

查看效果：

6、定义热度图的配色板

利用heatmapL里的参数cmap，较好看的参数有“YlGnBu”和“BuPu_r”：

要知道cmap有哪些参数，报一次错就可以了。

#练习的数据：
data=np.arange(-18,18).reshape(6,6)
flights=pd.DataFrame(data)
 
#设置一个1行2列的画图：
fig,ax=plt.subplots(1,2)
 
sns.heatmap(flights, cmap="YlGnBu",ax=ax[0])
sns.heatmap(flights, cmap="BuPu_r",ax=ax[1])
 
plt.show()

查看效果：

总结

到此这篇关于手把手教你用python绘制热度图(heatmap)的文章就介绍到这了,更多相关python绘制热度图内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！

您可能感兴趣的文章:

Flask核心机制之上下文源码剖析
这篇文章主要介绍了Flask核心机制之上下文源码剖析，小编觉得挺不错的，现在分享给大家，也给大家做个参考。一起跟随小编过来看看吧
2018-12-12
用python画城市轮播地图
轮播地图可以在很多方面有实际应用，所以就介绍给大家，并给出个实际操作案例，感兴趣的朋友可以参考下
2021-05-05
Python实现的旋转数组功能算法示例
这篇文章主要介绍了Python实现的旋转数组功能算法,结合实例形式总结分析了数组旋转算法的原理与实现技巧,需要的朋友可以参考下
2019-02-02
浅析PEP572: 海象运算符
PEP572的标题是「Assignment Expressions」，也就是「赋值表达式」，也叫做「命名表达式」，不过它现在被广泛的别名是「海象运算符」(The Walrus Operator)
2019-10-10
python中NumPy的安装与基本操作
Python虽然也提供了array模块,但其只支持一维数组,不支持多维数组,也没有各种运算函数,因而不适合数值运算,NumPy的出现弥补了这些不足,这篇文章主要给大家介绍了关于python中NumPy的安装与基本操作的相关资料,需要的朋友可以参考下
2022-03-03
Django实现文件上传和下载功能
这篇文章主要为大家详细介绍了Django下完成文件上传和下载功能，文中示例代码介绍的非常详细，具有一定的参考价值，感兴趣的小伙伴们可以参考一下
2019-10-10
R语言绘制条形图及分布密度图代码总结
这篇文章主要为大家介绍了R语言条形图及分布密度图代码总结，有需要的朋友可以借鉴参考下，希望能够有所帮助，祝大家多多进步，早日升职加薪
2022-05-05
python判断完全平方数的方法
今天小编就为大家分享一篇python判断完全平方数的方法，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
2018-11-11
Python subprocess模块功能与常见用法实例详解
这篇文章主要介绍了Python subprocess模块功能与常见用法,结合实例形式详细分析了subprocess模块功能、常用函数相关使用技巧,需要的朋友可以参考下
2018-06-06
教你在Excel中调用Python脚本实现数据自动化处理的方法
Excel是全世界最流行的编程语言，Excel已经可以实现编程语言的算法，因此它是具备图灵完备性的，和JavaScript、Java、Python一样，今天通过本文给大家介绍下Python数据自动化处理的相关知识，感兴趣的朋友一起看看吧
2022-02-02