热力图(heatmap)可通过颜色深浅变化，优雅的展示数据的差异。
详细介绍python seaborn绘制热图
本文速览Matplotlib热图heatmapseaborn热图1seaborn热图2seaborn热图3
本文您将了解到什么？1、matplotlib绘制热图
2、seaborn绘制热图
2.0 数据集准备
2.1 seaborn绘制heatmap
2.1.1 seaborn默认参数绘制hetmap
2.1.2 colorbar(图例)范围修改：vmin、vmax
2.1.3 修改热图颜色盘(colormap)：cmp
使用matplotlib中colormap
使用Seaborn颜色盘
使用palettable库中颜色盘
2.1.4 修改图例中心数据值大小：center
2.1.5 热图中文本开关：annot
2.1.6 格子中数据的格式化输出：fmt
2.1.7 格子中数据(字体大小、磅值、颜色)等设置：annot_kws
2.1.8 格子外框宽度、颜色设置：linewidths、linecolor
2.1.9 图例开关：cbar
2.1.10 图例位置、名称、标签等设置：cbar_kws
2.1.11 热图中只显示部分符合条件的数据：mask
2.1.12 自定义x轴、y轴标签：xticklabels、yticklabels
1、matplotlib绘制热图
matplotlib可通过以下两种方法绘制heamap；matplotlib.axes.Axes.imshow
matplotlib.pyplot.imshow
原始效果图，挺丑陋的；
改进后效果图(虽然要写很多辅助函数实现，但是可以很好的实现自定义热图，需要高度个性化的小伙伴可以去摸索)；
2、seaborn绘制热图
seaborn在matplotlib的基础上封装了个seaborn.heatmap，非常傻瓜式操作，我等调包侠的福音，效果可以赶得上R语言了，不逼逼，下面上干货：
2.0 数据集准备
使用鸢尾花iris数据集，数据集详细介绍请戳：
import matplotlib.pyplot as plt
import numpy as np
import pandas as pd
from pandas import Series,DataFrame
import seaborn as sns
import palettable#python颜色库
from sklearn import datasets
plt.rcParams['font.sans-serif']=['SimHei'] # 用于显示中文
plt.rcParams['axes.unicode_minus'] = False # 用于显示中文
iris=datasets.load_iris()
x, y = iris.data, iris.target
pd_iris = pd.DataFrame(np.hstack((x, y.reshape(150, 1))),columns=['sepal length(cm)','sepal width(cm)','petal length(cm)','petal width(cm)','class'] )
plt.figure(dpi=200, figsize=(10,6))
data1 = np.array(pd_iris['sepal length(cm)']).reshape(25,6)#Series转np.array
df = pd.DataFrame(data1,
index=[chr(i) for i in range(65, 90)],#DataFrame的行标签设置为大写字母
columns=["a","b","c","d","e","f"])#设置DataFrame的列标签
用来绘制热图的数据集是什么样子的？其实就是取iris中的一列(150个值)，转化为一个25x6的DataFrame数据集，如下：
print(df.shape)
df.head()
2.1 seaborn绘制heatmap
2.1.1 seaborn默认参数绘制hetmap
plt.figure(dpi=120)
sns.heatmap(data=df,#矩阵数据集，数据的index和columns分别为heatmap的y轴方向和x轴方向标签
)
plt.title('所有参数默认')
2.1.2 colorbar(图例)范围修改：vmin、vmax
#右侧colorbar范围修改
#注意colorbar范围变化，左图颜色随之变化
plt.clf()
plt.figure(dpi=120)
sns.heatmap(data=df,#矩阵数据集，数据的index和columns分别为heatmap的y轴方向和x轴方向标签
vmin=5,#图例(右侧颜色条color bar)中最小显示值
vmax=8,#图例(右侧颜色条color bar)中最大显示值
)
plt.title('右侧colorbar显示范围修改：vmin、vmax')
2.1.3 修改热图颜色盘(colormap)：cmp
感觉默认颜色太丑陋，可以换个颜色盘，cmp参数控制hetmap颜色；
可以使用matplotlib颜色盘、seaborn颜色盘、palettable库中颜色盘
使用matplotlib中colormap
了解matplotlib中所有colormap请戳：
plt.figure(dpi=120)
sns.heatmap(data=df,
cmap=plt.get_cmap('Set3'),#使用matplotlib中的颜色盘
)
plt.title("使用matplotlib中的颜色盘：cmap=plt.get_cmap('Set3')")
# 感觉颜色还是丑，那就再换个
plt.figure(dpi=120)
sns.heatmap(data=df,
cmap=plt.get_cmap('tab20c'),#matplotlib中的颜色盘'tab20c'
)
plt.title("使用matplotlib中的颜色盘：cmap=plt.get_cmap('tab20c')")
#感觉太油腻，太花哨，那就来个纯一点的(色度依次增加，请看右边图例颜色变化)
plt.figure(dpi=120)
sns.heatmap(data=df,
cmap=plt.get_cmap('Greens'),#matplotlib中的颜色盘'Greens'
)
plt.title("使用matplotlib中的颜色盘：cmap=plt.get_cmap('Greens')")
#色度依次递减，注意比较右边图例颜色变化
plt.figure(dpi=120)
sns.heatmap(data=df,
#cmap选取的颜色条，有的是由浅到深('Greens')，有的是相反的('Greens_r')
cmap=plt.get_cmap('Greens_r'),#matplotlib中的颜色盘'Greens_r'
)
plt.title("使用matplotlib中的颜色盘：cmap=plt.get_cmap('Greens_r')")
使用Seaborn颜色盘
plt.figure(dpi=120)
sns.heatmap(data=df,
cmap=sns.dark_palette("#2ecc71", as_cmap=True),#seaborn 深色色盘：sns.dark_palette使用
)
plt.title("使用seaborn dark颜色盘：cmap=sns.dark_palette('#2ecc71', as_cmap=True)")
plt.figure(dpi=120)
sns.heatmap(data=df,
cmap=sns.light_palette("#2ecc71", as_cmap=True),#淡色色盘：sns.light_palette()使用
)
plt.title("使用seaborn light颜色盘：sns.light_palette('#2ecc71', as_cmap=True)")
plt.figure(dpi=120)
sns.heatmap(data=df,
cmap=sns.diverging_palette(10, 220, sep=80, n=7),#区分度显著色盘：sns.diverging_palette()使用
)
plt.title("使用seaborn diverging颜色盘：sns.diverging_palette(10, 220, sep=80, n=7)")
plt.figure(dpi=120)
sns.heatmap(data=df,
cmap=sns.cubehelix_palette(as_cmap=True),#渐变色盘：sns.cubehelix_palette()使用
)
plt.title("使用seaborn cubehelix颜色盘：sns.diverging_palette(220, 20, sep=20, as_cmap=True)")
使用palettable库中颜色盘
关于python palettable库使用请戳：
plt.figure(dpi=120)
sns.heatmap(data=df,
cmap=palettable.cartocolors.diverging.ArmyRose_7.mpl_colors,#使用palettable库中颜色条
)
plt.title("使用palettable库颜色盘：palettable.cartocolors.diverging.ArmyRose_7.mpl_colors")
plt.figure(dpi=120)
sns.heatmap(data=df,
cmap=palettable.cmocean.diverging.Curl_10.mpl_colors,#使用palettable库中颜色条
)
plt.title("使用palettable库颜色盘：palettable.cmocean.diverging.Curl_10.mpl_colors")
plt.figure(dpi=120)
sns.heatmap(data=df,
cmap=palettable.tableau.TrafficLight_9.mpl_colors,#使用palettable库中颜色条
)
plt.title("使用palettable库颜色盘：palettable.tableau.TrafficLight_9.mpl_colors")
2.1.4 修改图例中心数据值大小：center
plt.figure(dpi=120)
sns.heatmap(data=df,
cmap=palettable.cartocolors.diverging.ArmyRose_7.mpl_colors,
center=7,#color bar的中心数据值大小，可以控制整个热图的颜盘深浅
)
plt.title("color bar的中心数据值大小：center")
2.1.5 热图中文本开关：annot
plt.figure(dpi=120)
sns.heatmap(data=df,
cmap=palettable.cartocolors.diverging.ArmyRose_7.mpl_colors,
annot=True,#默认为False，当为True时，在每个格子写入data中数据
)
plt.title("每个格子写入data中数据：annot=True")
2.1.6 格子中数据的格式化输出：fmt
plt.figure(dpi=120)
sns.heatmap(data=df,
cmap=palettable.cartocolors.diverging.ArmyRose_7.mpl_colors,
annot=True,#默认为False，当为True时，在每个格子写入data中数据
fmt=".2f",#设置每个格子中数据的格式，参考之前的文章，此处保留两位小数
)
plt.title("格子中数据的格式化输出：fmt")
2.1.7 格子中数据(字体大小、磅值、颜色)等设置：annot_kws
plt.figure(dpi=120)
sns.heatmap(data=df,
cmap=palettable.cartocolors.diverging.ArmyRose_7.mpl_colors,
annot=True,#默认为False，当为True时，在每个格子写入data中数据
annot_kws={'size':8,'weight':'normal', 'color':'blue'},#设置格子中数据的大小、粗细、颜色
)
plt.title("格子中数据(字体大小、磅值、颜色)等设置：annot_kws")
2.1.8 格子外框宽度、颜色设置：linewidths、linecolor
plt.figure(dpi=120)
sns.heatmap(data=df,
cmap=palettable.cartocolors.diverging.ArmyRose_7.mpl_colors,
linewidths=1,#每个格子边框宽度，默认为0
linecolor='red',#每个格子边框颜色,默认为白色
)
plt.title("格子外框宽度、颜色设置：linewidths、linecolor")
2.1.9 图例开关：cbar
plt.figure(dpi=120)
sns.heatmap(data=df,
cmap=palettable.cartocolors.diverging.ArmyRose_7.mpl_colors,
cbar=False,#右侧图例(color bar)开关，默认为True显示
)
plt.title("图例开关：cbar")
2.1.10 图例位置、名称、标签等设置：cbar_kws
plt.figure(dpi=120)
sns.heatmap(data=df,
cmap=palettable.cartocolors.diverging.ArmyRose_7.mpl_colors,
cbar=True,
cbar_kws={'label': 'ColorbarName', #color bar的名称
'orientation': 'horizontal',#color bar的方向设置，默认为'vertical'，可水平显示'horizontal'
"ticks":np.arange(4.5,8,0.5),#color bar中刻度值范围和间隔
"format":"%.3f",#格式化输出color bar中刻度值
"pad":0.15,#color bar与热图之间距离，距离变大热图会被压缩
},
)
plt.title("图例位置、名称、标签等设置：cbar_kws")
2.1.11 热图中只显示部分符合条件的数据：mask
plt.figure(dpi=120)
sns.heatmap(data=df,
cmap=palettable.cartocolors.diverging.ArmyRose_7.mpl_colors,
mask=df<6.0,#热图中显示部分数据：显示数值小于6的数据
)
plt.title("热图中只显示部分符合条件的数据：mask")
2.1.12 自定义x轴、y轴标签：xticklabels、yticklabels
# linewidths、linecolor参数
plt.figure(dpi=120)
sns.heatmap(data=df,
cmap=palettable.cartocolors.diverging.ArmyRose_7.mpl_colors,
xticklabels=['三连啊','关注公众号啊','pythonic生物人','收藏啊','点赞啊','老铁三连三连'] , #x轴方向刻度标签开关、赋值，可选“auto”, bool, list-like(传入列表), or int,
yticklabels=True, #y轴方向刻度标签开关、同x轴
)
plt.title("自定义x轴、y轴标签：xticklabels、yticklabels")
#['sepal length(cm)','sepal width(cm)','petal length(cm)','petal width(cm)','class']
4、参考资料
本篇结束，下一篇介绍聚类热图，感兴趣小伙伴欢迎跟踪我。
转播
