seaborn实例-heatmap-热力图

又发现seaborn一个好玩儿好用的图表，热力图，使用起来依然很简单，发现了新大陆啊

先来一个效果图看看

再某些场景下，使用热力图来展示，效果真是很棒，比如：

• 显示一年的GMV
  好像不错诶，纵轴12个月，横轴31天，哇，我试试，啊哈哈

恩，选择一款适合的可视化图表，用来表现适合的数据，会有事半功倍的效果

其实Excel也是实现类似的功能，可以参考：

• 使用Excel来实现数据热力图

单纯使用matplotlib也是可以的，只是代码多一些，参考官方文档：

• Creating annotated heatmaps

---

seaborn中，同样使用一个函数就够了

seaborn.heatmap

seaborn.heatmap(data, vmin=None, vmax=None, cmap=None, center=None, robust=False, annot=None, fmt='.2g', annot_kws=None, linewidths=0, linecolor='white', cbar=True, cbar_kws=None, cbar_ax=None, square=False, xticklabels='auto', yticklabels='auto', mask=None, ax=None, **kwargs)

数据集

df = pd.DataFrame(np.random.randint(low=1 , high=100 , size=(12,12)))

sns.heatmap(df)

这样就可以了，太方便了，哈哈

修改图表大小

ax = sns.heatmap(df)
fig = ax.get_figure()
fig.set_size_inches(8,6)

但是这里，我还有个疑问，就是纵轴的分布不是均匀的，你看0和11，感觉只有一半
但是我看官方文档上，并没有别的设置，难道是版本的问题？新版本已经优化掉了？？

我把数据集换成了(4,4)，来看看这个问题

ax = sns.heatmap(df , cmap='Reds')
# ax.set_yticklabels(ax.get_yticklabels()  )
# ax.invert_yaxis()
fig = ax.get_figure()
fig.set_size_inches(8,6)

这个纵轴分的不均匀哦，不好

我当前的版本是0.9,官方最新的貌似是0.10了，我先去更新一下看

---

恩，更新完了，重启了一下Jupyter

还是前面的数据，发现纵轴就对齐了

sns.heatmap(df)

好了，我们再看几个常用的参数

vmin、vmax
是用来控制colormap的，默认会自动生成最小值和最大值
我们也可以手动来改

sns.heatmap(df , vmin=50 , vmax=100)

类似的参数，还有center

sns.heatmap(df , center=50)

annot
有时候，我们想要显示我们具体的数字，就用到了这个参数

sns.heatmap(df , annot=True)

还可以使用fmt格式化字符串

sns.heatmap(df , annot=True ,fmt='.1%')

linewidth
指定分割线的宽度

sns.heatmap(df , linewidths=.5)

好了，大概先这样，其他的以后再学习。