152 lines
4.4 KiB
Markdown
152 lines
4.4 KiB
Markdown
# Python 中的热图——如何用 Python 创建热图？
|
|
|
|
> 原文：<https://www.askpython.com/python/examples/heatmaps-in-python>
|
|
|
|
你好。今天，我们将了解 Python 中热图的用法，以及如何为不同的数据集创建热图。
|
|
|
|
## 什么是热图？
|
|
|
|
热图利用色调、饱和度或亮度等颜色变化将数据可视化为二维彩色图。热图以颜色而不是数字的形式描述变量之间的关系。
|
|
|
|
这些变量绘制在两个轴上。颜色变化根据特定块中颜色的强度来描述两个值之间的关系。
|
|
|
|
热图有很多应用，下面列出了其中一些:
|
|
|
|
1. 可视化业务分析
|
|
2. 探索数据分析
|
|
3. 探索营销和销售
|
|
4. 可视化网站或应用程序的访问者数量
|
|
|
|
* * *
|
|
|
|
## 使用热图的行业
|
|
|
|
如今，许多行业都在使用热图。一些行业是:
|
|
|
|
* **医疗保健**
|
|
* **金融**
|
|
* **技术**
|
|
* **房地产**
|
|
|
|
* * *
|
|
|
|
## 用 Python 绘制热图
|
|
|
|
在 python 编程语言中，有多种绘制热图的方法。我们将一个接一个地理解每一种方法。为了方便起见，我们先把这些方法列出来。
|
|
|
|
1. **使用 Seaborn 库**
|
|
2. **使用 pcolormesh()函数**
|
|
3. **使用 matplotlib.pyplot 库**
|
|
|
|
### 方法 1:使用 Seaborn 库
|
|
|
|
为了使用 [seaborn 库](https://www.askpython.com/python-modules/python-seaborn-tutorial)绘制热图，我们首先需要将所有必要的模块/库导入到我们的程序中。
|
|
|
|
然后，我们生成一个特定大小的“随机矩阵”,然后在`heatmap`函数的帮助下绘制热图，并将数据集传递给函数。
|
|
|
|
```py
|
|
# 1\. Import Modules
|
|
import numpy as np
|
|
import seaborn as sns
|
|
import matplotlib.pylab as plt
|
|
plt.style.use("seaborn")
|
|
|
|
# 2\. Generate a 10x10 random integer matrix
|
|
data = np.random.rand(10,10)
|
|
print("Our dataset is : ",data)
|
|
|
|
# 3\. Plot the heatmap
|
|
plt.figure(figsize=(10,10))
|
|
heat_map = sns.heatmap( data, linewidth = 1 , annot = True)
|
|
plt.title( "HeatMap using Seaborn Method" )
|
|
plt.show()
|
|
|
|
```
|
|
|
|
|
|
|
|
Heatmap Using Seaborn
|
|
|
|
* * *
|
|
|
|
### 方法 2:使用 pcolormesh 函数
|
|
|
|
为了使用`pcolormesh`函数绘制热图，我们首先需要将所有必要的模块/库导入到我们的代码中。
|
|
|
|
我们将使用各种`cmaps`绘制热图，因此我们将在 matplotlib 中使用`subplots`。matplotlib 的`pcolormesh`函数需要数据集，我们可以指定颜色图来绘制热图。
|
|
|
|
```py
|
|
import matplotlib.pyplot as plt
|
|
import numpy as np
|
|
|
|
data= np.random.rand(10,10)
|
|
|
|
plt.subplot(2,2,1)
|
|
plt.pcolormesh(data, cmap = 'rainbow')
|
|
plt.title('HeatMap Using pcolormesh function')
|
|
|
|
plt.subplot(2,2,2)
|
|
plt.pcolormesh(data, cmap = 'twilight')
|
|
plt.title('HeatMap Using pcolormesh function')
|
|
|
|
plt.subplot(2,2,3)
|
|
plt.pcolormesh(data, cmap = 'summer')
|
|
plt.title('HeatMap Using pcolormesh function')
|
|
|
|
plt.subplot(2,2,4)
|
|
plt.pcolormesh(data, cmap = 'winter')
|
|
plt.title('HeatMap Using pcolormesh function')
|
|
|
|
plt.tight_layout()
|
|
|
|
plt.show()
|
|
|
|
```
|
|
|
|
|
|
|
|
Heatmap Using Pcolormesh Function
|
|
|
|
* * *
|
|
|
|
### 方法三:**使用 matplotlib.pyplot 库**
|
|
|
|
为了使用`matplotlib.pyplot`库绘制热图，我们首先需要将所有必要的模块/库导入到我们的程序中。
|
|
|
|
就像前面的方法一样，我们将使用各种`cmaps`绘制热图，因此我们将利用 matplotlib 中的`subplots`。`matplotlib`库利用了需要数据集的`imshow`函数，我们可以指定颜色图来绘制热图。
|
|
|
|
```py
|
|
import numpy as np
|
|
import matplotlib.pyplot as plt
|
|
|
|
data= np.random.random((10,10))
|
|
|
|
plt.subplot(2,2,1)
|
|
plt.imshow( data, interpolation = 'nearest',cmap="rainbow")
|
|
plt.title('HeatMap Using Matplotlib Library')
|
|
|
|
plt.subplot(2,2,2)
|
|
plt.imshow( data, interpolation = 'nearest',cmap="twilight")
|
|
plt.title('HeatMap Using Matplotlib Library')
|
|
|
|
plt.subplot(2,2,3)
|
|
plt.imshow( data, interpolation = 'nearest',cmap="summer")
|
|
plt.title('HeatMap Using Matplotlib Library')
|
|
|
|
plt.subplot(2,2,4)
|
|
plt.imshow( data, interpolation = 'nearest',cmap="ocean")
|
|
plt.title('HeatMap Using Matplotlib Library')
|
|
|
|
plt.tight_layout()
|
|
|
|
plt.show()
|
|
|
|
```
|
|
|
|
|
|
|
|
Heatmap Using Matplotlib Library
|
|
|
|
## 结尾词
|
|
|
|
感谢您阅读本教程！我相信我已经介绍了绘制热图的所有方法，现在您可以尝试绘制实时数据！敬请关注更多此类教程！ |