一文總結(jié)Python繪制的10種熱力圖

你好，我是郭震

首先祝你五一快樂！

今天這篇匯總，Python繪制熱力圖，重點聚焦在不同樣式的熱力圖上。

使用seaborn庫，它是一個基于Matplotlib的數(shù)據(jù)可視化庫，它提供了一種高級接口來繪制吸引人的統(tǒng)計圖形。

數(shù)據(jù)準備階段，代碼如下，設(shè)置隨機種子，確保每次運行數(shù)據(jù)一致。

# 設(shè)置隨機種子
np.random.seed(42)
data = np.random.rand(10, 12)

1 coolwarm樣式

annot=True：不顯示每個單元格的數(shù)據(jù)值

# 創(chuàng)建熱力圖
plt.figure(figsize=(10, 8))
sns.heatmap(data, annot=False, cmap='coolwarm')
plt.title('Seaborn Heatmap Example')
plt.show()

熱力圖如下：

2 viridis樣式

其他代碼與1相同，僅有一個cmap參數(shù)調(diào)整：

sns.heatmap(data, annot=False, cmap='viridis')

熱力圖如下：

3 plasma樣式

其他代碼與1相同，僅有一個cmap參數(shù)調(diào)整：

sns.heatmap(data, annot=False, cmap='plasma')

4 spring樣式

sns.heatmap(data, annot=False, cmap='spring')

5 winter樣式

sns.heatmap(data, annot=False, cmap='winter')

6 自定義顏色樣式

# 創(chuàng)建自定義顏色映射
colors = ["blue", "green", "red"]
cmap = LinearSegmentedColormap.from_list("mycmap", colors)

# 數(shù)據(jù)
np.random.seed(42)
data = np.random.rand(10, 12)

# 繪制熱力圖
plt.figure(figsize=(8, 6))
sns.heatmap(data, cmap=cmap, annot=False)
plt.title('Custom Colormap Heatmap')
plt.show()

7 添加注解

只需改變下面一行代碼：

sns.heatmap(data, cmap=cmap, annot=True)

8 掩碼顯示

只顯示大于0.7的顏色塊：

# 創(chuàng)建一個掩碼，只顯示大于0.7的值
mask = data < 0.7

plt.figure(figsize=(8, 6))
sns.heatmap(data, mask=mask, cmap='viridis', annot=False)
plt.title('Masked Heatmap for Values > 0.7')
plt.show()

9 小于某值顯示特定顏色

# 'lightgrey'用于小于0.7的值，'viridis'用于大于等于0.7的值
colors = ["lightgrey"] + sns.color_palette("viridis", as_cmap=True)(np.linspace(0, 1, 256)).tolist()
cmap = LinearSegmentedColormap.from_list("custom_cmap", colors)
norm = plt.Normalize(0.7, 1)

10 多熱力圖

# 定義顏色映射
norm = plt.Normalize(0.7, 1)
# 創(chuàng)建圖和子圖網(wǎng)格
fig, axs = plt.subplots(nrows=2, ncols=2, figsize=(12, 10))
# 繪制熱力圖
sns.heatmap(data1, cmap='coolwarm', norm=norm, annot=False, ax=axs[0, 0], cbar=False)
sns.heatmap(data2, cmap='viridis', norm=norm, annot=False, ax=axs[0, 1], cbar=False)
sns.heatmap(data3, cmap='plasma', norm=norm, annot=False, ax=axs[1, 0], cbar=False)
sns.heatmap(data4, cmap='spring', norm=norm, annot=False, ax=axs[1, 1], cbar=False)
# 設(shè)置每個子圖的標題
axs[0, 0].set_title('Heatmap 1')
axs[0, 1].set_title('Heatmap 2')
axs[1, 0].set_title('Heatmap 3')
axs[1, 1].set_title('Heatmap 4')
# 調(diào)整布局
plt.tight_layout()
plt.show()

以上，希望對你有幫助。