数据呈现丨台风天,别出门,在家学热力图
前言
windows 64位系统
python 3.7
jupyter notebook
1、构造数据
import seaborn as sns
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
%matplotlib inline
region = ['Albania', 'Algeria', 'Angola', 'Argentina', 'Armenia', 'Azerbaijan',
'Bahamas', 'Bangladesh', 'Belize', 'Bhutan', 'Bolivia',
'Bosnia and Herzegovina', 'Brazil', 'Burkina Faso', 'Burundi',
'Cambodia', 'Cameroon', 'Cape Verde', 'Chile', 'China', 'Colombia',
'Costa Rica', 'Cote d Ivoire', 'Cuba', 'Cyprus',
"Democratic People's Republic of Korea",
'Democratic Republic of the Congo', 'Dominican Republic', 'Ecuador',
'Egypt', 'El Salvador', 'Equatorial Guinea', 'Ethiopia', 'Fiji',
'Gambia', 'Georgia', 'Ghana', 'Guatemala', 'Guyana', 'Honduras']
kind = ['Afforestation & reforestation', 'Biofuels', 'Biogas',
'Biomass', 'Cement', 'Energy efficiency', 'Fuel switch',
'HFC reduction/avoidance', 'Hydro power',
'Leak reduction', 'Material use', 'Methane avoidance',
'N2O decomposition', 'Other renewable energies',
'PFC reduction and substitution','PV',
'SF6 replacement', 'Transportation', 'Waste gas/heat utilization',
'Wind power']
print(len(region))
print(len(kind))
40
20
np.random.seed(100)
arr_region = np.random.choice(region, size=(10000,))
list_region = list(arr_region)
arr_kind = np.random.choice(kind, size=(10000,))
list_kind = list(arr_kind)
values = np.random.randint(50, 1000, 10000)
list_values = list(values)
df = pd.DataFrame({'region':list_region,
'kind': list_kind,
'values':list_values})
df.head()
pt = df.pivot_table(index='kind', columns='region', values='values', aggfunc=np.sum)
pt.head()
左右滑动查看更多
f, ax = plt.subplots(figsize = (10, 4))
cmap = sns.cubehelix_palette(start = 1, rot = 3, gamma=0.8, as_cmap = True)
sns.heatmap(pt, cmap = cmap, linewidths = 0.05, ax = ax)
ax.set_title('Amounts per kind and region')
ax.set_xlabel('region')
ax.set_ylabel('kind')
f.savefig('sns_heatmap_normal.jpg', bbox_inches='tight')
#ax.set_xticklabels(ax.get_xticklabels(), rotation=-90)
2、Seaborn的heatmap各个参数介绍
seaborn.heatmap
seaborn.heatmap(data, vmin=None, vmax=None, cmap=None, center=None, robust=False, annot=None, fmt='.2g', annotkws=None, linewidths=0, linecolor='white', cbar=True, cbarkws=None, cbar_ax=None, square=False, ax=None, xticklabels=True, yticklabels=True, mask=None, **kwargs)
data:矩阵数据集,可以使numpy的数组(array),如果是pandas的dataframe,则df的index/column信息会分别对应到heatmap的columns和rows linewidths,热力图矩阵之间的间隔大小 vmax,vmin, 图例中最大值和最小值的显示值,没有该参数时默认不显示
2.1 cmap
cmap:matplotlib的colormap名称或颜色对象;如果没有提供,默认为cubehelix map (数据集为连续数据集时) 或 RdBu_r (数据集为离散数据集时)
f, (ax1,ax2) = plt.subplots(figsize = (10, 8),nrows=2)
#cubehelix map颜色
cmap = sns.cubehelix_palette(start = 1.5, rot = 3, gamma=0.8, as_cmap = True)
sns.heatmap(pt, linewidths = 0.05, ax = ax1, vmax=15000, vmin=0, cmap=cmap)
ax1.set_title('cubehelix map')
ax1.set_xlabel('')
ax1.set_xticklabels([]) #设置x轴图例为空值
ax1.set_ylabel('kind')
#matplotlib colormap
sns.heatmap(pt, linewidths = 0.05, ax = ax2, vmax=15000, vmin=0, cmap='rainbow')
#rainbow为 matplotlib 的colormap名称
ax2.set_title('matplotlib colormap')
ax2.set_xlabel('region')
ax2.set_ylabel('kind')
f.savefig('sns_heatmap_cmap.jpg', bbox_inches='tight')
左右滑动查看更多
2.2 center
center:将数据设置为图例中的均值数据,即图例中心的数据值;通过设置center值,可以调整生成的图像颜色的整体深浅;设置center数据时,如果有数据溢出,则手动设置的vmax、vmin会自动改变。
f, (ax1,ax2) = plt.subplots(figsize = (10, 8),nrows=2)
cmap = sns.cubehelix_palette(start = 1.5, rot = 3, gamma=0.8, as_cmap = True)
sns.heatmap(pt, linewidths = 0.05, ax = ax1, vmax=15000, vmin=0, cmap=cmap, center=None )
#center为None时,由于最小值为0,最大值为15000,相当于center值为vamx和vmin的均值,即7500
ax1.set_title('center=None')
ax1.set_xlabel('')
ax1.set_xticklabels([]) #设置x轴图例为空值
ax1.set_ylabel('kind')
sns.heatmap(pt, linewidths = 0.05, ax = ax2, vmax=15000, vmin=0, cmap=cmap, center=3000 )
#由于均值为2000,当center设置为3000时,大部分数据会比7500大,所以center=3000时,生成的图片颜色要深
#设置center数据时,如果有数据溢出,则手动设置的vmax或vmin会自动改变
ax2.set_title('center=3000')
ax2.set_xlabel('region')
ax2.set_ylabel('kind')
f.savefig('sns_heatmap_center.jpg', bbox_inches='tight')
左右滑动查看更多
2.3 robust
f, (ax1,ax2) = plt.subplots(figsize = (10, 8),nrows=2)
cmap = sns.cubehelix_palette(start = 1.5, rot = 3, gamma=0.8, as_cmap = True)
sns.heatmap(pt, linewidths = 0.05, ax = ax1, cmap=cmap, center=None, robust=False )
#robust默认为False
ax1.set_title('robust=False')
ax1.set_xlabel('')
ax1.set_xticklabels([]) #设置x轴图例为空值
ax1.set_ylabel('kind')
sns.heatmap(pt, linewidths = 0.05, ax = ax2, cmap=cmap, center=None, robust=True )
#If True and vmin or vmax are absent, the colormap range is computed with robust quantiles instead of the extreme values.
ax2.set_title('robust=True')
ax2.set_xlabel('region')
ax2.set_ylabel('kind')
f.savefig('sns_heatmap_robust.jpg', bbox_inches='tight')
左右滑动查看更多
2.4 mask
f, (ax1,ax2) = plt.subplots(figsize = (10, 8),nrows=2)
cmap = sns.cubehelix_palette(start = 1.5, rot = 3, gamma=0.8, as_cmap = True)
p1 = sns.heatmap(pt, linewidths = 0.05,ax=ax1, vmax=15000, vmin=0, cmap=cmap, center=None, robust=False, mask=None )
#robust默认为False
ax1.set_title('mask=None')
ax1.set_xlabel('')
ax1.set_xticklabels([]) #设置x轴图例为空值
ax1.set_ylabel('kind')
p2 = sns.heatmap(pt, linewidths = 0.05, ax=ax2, vmax=15000, vmin=0, cmap=cmap, center=None, robust=False, annot=False,mask=pt<10000 )
#mask: boolean array or DataFrame
ax2.set_title('mask: boolean DataFrame')
ax2.set_xlabel('region')
ax2.set_ylabel('kind')
f.savefig('sns_heatmap_mask.jpg', bbox_inches='tight')
2.5 xticklabels, yticklabels
xticklabels: 如果是True,则绘制dataframe的列名。如果是False,则不绘制列名。如果是列表,则绘制列表中的内容作为xticklabels。如果是整数n,则绘制列名,但每个n绘制一个label。默认为True。
yticklabels: 如果是True,则绘制dataframe的行名。如果是False,则不绘制行名。如果是列表,则绘制列表中的内容作为yticklabels。如果是整数n,则绘制列名,但每个n绘制一个label。默认为True。默认为True。
f, (ax1,ax2) = plt.subplots(figsize = (10, 8),nrows=2)
cmap = sns.cubehelix_palette(start = 1.5, rot = 3, gamma=0.8, as_cmap = True)
p1 = sns.heatmap(pt, linewidths = 0.05,ax=ax1, vmax=15000, vmin=0, cmap=cmap, center=None, robust=False, mask=None, xticklabels=False )
# robust默认为False
ax1.set_title('xticklabels=None')
ax1.set_xlabel('')
#ax1.set_xticklabels([]) #设置x轴图例为空值
ax1.set_ylabel('kind')
p2 = sns.heatmap(pt, linewidths = 0.05, ax=ax2, vmax=15000, vmin=0, cmap=cmap, center=None, robust=False, annot=False,mask=None,xticklabels=3, yticklabels=list(range(20)) )
# mask: boolean array or DataFrame
ax2.set_title('xticklabels=3, yticklabels is a list')
ax2.set_xlabel('region')
ax2.set_ylabel('kind')
f.savefig('sns_heatmap_xyticklabels.jpg', bbox_inches='tight')
2.6 annot
annotate的缩写,annot默认为False,当annot为True时,在heatmap中每个方格写入数据
annot_kws,当annot为True时,可设置各个参数,包括大小,颜色,加粗,斜体字等
np.random.seed(0)
x = np.random.randn(10, 10)
f, (ax1, ax2) = plt.subplots(figsize=(8,8),nrows=2)
sns.heatmap(x, annot=True, ax=ax1)
sns.heatmap(x, annot=True, ax=ax2, annot_kws={'size':9,'weight':'bold', 'color':'blue'})
# Keyword arguments for ax.text when annot is True.
# http://stackoverflow.com/questions/35024475/seaborn-heatmap-key-words
f.savefig('sns_heatmap_annot.jpg')
左右滑动查看更多
2.7 fmt
fmt,格式设置
np.random.seed(0)
x = np.random.randn(10, 10)
f, (ax1, ax2) = plt.subplots(figsize=(8,8),nrows=2)
sns.heatmap(x, annot=True, ax=ax1)
sns.heatmap(x, annot=True, fmt='.1f', ax=ax2)
f.savefig('sns_heatmap_fmt.jpg')
左右滑动查看更多
3 、案例应用:突出显示某些数据
3.1 method 1:利用mask来实现
f,ax=plt.subplots(figsize=(10,5))
x = np.random.randn(10, 10)
sns.heatmap(x, annot=True, ax=ax)
sns.heatmap(x, mask=x < 1, cbar=False, ax=ax,
annot=True, annot_kws={"weight": "bold"})
f.savefig('sns_heatmap_eg1.jpg')
左右滑动查看更多
3.2 method 2:利用ax.texts来实现
f,ax=plt.subplots(figsize=(10,5))
flights = sns.load_dataset("flights")
flights = flights.pivot("month", "year", "passengers")
pic = sns.heatmap(flights, annot=True, fmt="d", ax=ax)
for text in pic.texts:
text.set_size(8)
if text.get_text() == '118':
text.set_size(12)
text.set_weight('bold')
text.set_style('italic')
f.savefig('sns_heatmap_eg2.jpg')
左右滑动查看更多
你可能会发现本文中seaborn的heatmap中还有些参数没有进行介绍,介于篇幅,这里就不在啰嗦了,建议各位小伙伴自己可以研究下其他参数如何使用。
►往期推荐
回复【Python】👉 简单有用易上手
回复【学术前沿】👉机器学习丨大数据
回复【数据资源】👉公开数据
回复【可视化】👉 你心心念念的数据呈现
回复【老姚专栏】👉老姚趣谈值得一看
►一周热文
工具&方法 | 6张卡片,2分钟,轻松掌握R命令大集合(推荐收藏备用)
数据Seminar
这里是大数据、分析技术与学术研究的三叉路口
推荐:威武哥(叶武威)
编辑:青酱
欢迎扫描👇二维码添加关注