Mapa ciepła morskiego
Searorn oferuje lepszy interfejs niż Matplotlib, umożliwiając użytkownikom uproszczenie wielu modyfikacji i niektórych operacji, które w innym przypadku byłyby wymagane do tworzenia wykresów MATPlotlib jako responsywnych. Działa również dobrze z typami danych pandy, dzięki czemu dane wstępne i wizualizują. Zawiera także kilka wykresów o przydatnych parametrach i atrakcyjny układ.
Mapa cieplna to 2D wizualna reprezentacja informacji, która wykorzystuje kolory do zilustrowania unikalnych wartości w matrycy. To idealna technika graficzna do analizy różnych jednostek. Jest to proste do tworzenia i spersonalizowania, a także zrozumieć. Mapy cieplne zostaną wykorzystane do identyfikacji korelacji między cechami algorytmu głębokiego uczenia się, ponieważ zapewniają prosty sposób oceny związku między różnymi podmiotami.
Może pomóc w wyborze zmiennej, usuwając elementy, które są ściśle połączone. Omówię kilka metod używanych do narysowania mapy cieplnej morskiej w Pythonie z różnymi ilustracjami."
Użyj metody Randint ()
Tutaj użyjemy funkcji randint () do utworzenia macierzy dwuwymiarowej. Biblioteka Numpy zawiera tę funkcję.
importować Numpy jako NPImportuj Seaorn jako Sn
importować matplotlib.Pyplot as Plt
Data = NP.losowy.Randint (niski = 1,
Wysokie = 200,
Rozmiar = (20, 20))
Hm = Sn.heatmap (dane = dane)
plt.pokazywać()
Na początku kodu zaimportowaliśmy trzy wymagane biblioteki Numpy jako NP, Searnd As Sn i Matplotlib.Pyplot as Plt. Teraz chcemy stworzyć macierz dwuwymiarową. Ta macierz zawiera niektóre losowe wartości. Do tworzenia matrycy wykorzystaliśmy metodę Randint () Biblioteki Numpy. Ta funkcja zawiera trzy różne parametry. Parametry te obejmują najmniejszą wartość, największą wartość i wielkość macierzy.
Następnie zastosowaliśmy metodę ciepła () do wykresu mapy cieplnej. W końcu musieliśmy wyświetlić działkę, więc zastosowaliśmy metodę show ().
Po uruchomieniu powyższego kodu otrzymujemy poprzedni wykres.
Zakotwicz odcień mapy
Tylko komórki o wartościach w granicach 40 i 80 byłyby przedstawione, gdyby minimalne i maksymalne wartości komórek zostaną dostosowane odpowiednio do 40 i 80.
importować Numpy jako NPImportuj Seaorn jako Sn
importować matplotlib.Pyplot as Plt
Data = NP.losowy.Randint (niski = 2,
Wysokie = 200,
Rozmiar = (20, 20))
Vmin = 40
Vmax = 80
Hm = Sn.mapa cieplna (dane = dane,
vmin = vmin,
vmax = vmax)
plt.pokazywać()
Pierwszym krokiem jest zintegrowanie plików nagłówka. Plik nagłówka Numpy jest zintegrowany jako NP, Searorn zostanie zintegrowany jako SN, a trzeci plik nagłówka MATPlotlib zostanie zintegrowany jako PLT. W następnym etapie wygenerujemy dwuwymiarową matrycę. Przechowywaliśmy różne liczby w matrycy. Matryca zawiera wartości od 2 do 200. Funkcja randint () jest używana do tworzenia matrycy. Ta funkcja należy do biblioteki Numpy.
Zapewniliśmy niższą wartość, najwyższą wartość i wielkość macierzy dwuwymiarowej jako parametry funkcji randint (). Teraz musimy określić minimalną wartość i maksymalną wartość komórek wykresu. Do rysowania mapy cieplnej użyliśmy funkcji mapa ciepła () biblioteki morskiej. Ta funkcja zawiera minimalne i maksymalne wartości komórek jako argument. Metoda show () jest stosowana do reprezentowania wykresu.
Dostosowanie koloru mapy i centrowanie
Argument „CMAP” zostałby przeanalizowany w tym przypadku. Wiele Colormaps jest dostępnych w Matplotlib. Tutaj określamy wartość „TAB10” do argumentu „CMAP”. Ustawiliśmy również argument „środkowy” na zero, aby wyśrodkować CMAP.
importować Numpy jako NPImportuj Seaorn jako Sn
importować matplotlib.Pyplot as Plt
Data = NP.losowy.Randint (niski = 2,
Wysokie = 200,
Rozmiar = (20, 20))
cmap = "tab10"
Center = 1
Hm = Sn.mapa cieplna (dane = dane,
cmap = cmap,
Center = Center)
plt.pokazywać()
Na początku kodu wprowadziliśmy trzy niezbędne biblioteki: Numpy jako NP, Searorn As Sn i Matplotlib.Pyplot as Plt. Zrobimy teraz dwuwymiarową matrycę. W tej matrycy są pewne losowe wartości. Używamy metody Numpy Library's Randint () do utworzenia matrycy. W tej funkcji są trzy argumenty. Najmniejsza wartość, największa wartość i wielkość macierzy należą do tych parametrów.
W następnym kroku określliśmy kolor mapy za pomocą zmiennej „CMAP”. Ustawiamy jego wartość jako „TAB10”. Podaliśmy również atrybut „Center” i ustawiliśmy wartość 0. Mapa cieplna następnie wykresano za pomocą funkcji HeatMap (). Argumenty tej funkcji obejmują kolor mapy i centrum wykresu. Wreszcie musimy pokazać fabułę; W ten sposób zastosowaliśmy metodę show ().
Tworzenie unikalnej linii separacji
Do regulacji grubości i odcienia granic komórek można użyć argumentów „linii” i „linecolor”.
importować Numpy jako NPImportuj Seaorn jako Sn
importować matplotlib.Pyplot as Plt
Data = NP.losowy.Randint (niski = 2,
Wysokie = 200,
Rozmiar = (20, 20))
LineWidths = 3
Linecolor = „niebieski”
Hm = Sn.mapa cieplna (dane = dane,
LineWidths = lineWidths,
Linecolor = lineColor)
plt.pokazywać()
Pliki nagłówka należy najpierw zintegrować. Plik nagłówka Numpy zostanie włączony jako NP, Searorn zostanie włączony jako SN, a Matplotlib zostanie włączony jako PLT. Różne liczby były przechowywane w matrycy. Wpisy w matrycy wahają się od 2 do 200. Matryca jest tworzona za pomocą metody Randint (). Biblioteka Numpy zawiera tę metodę. Argumenty funkcji randint () mają najmniejszą wartość, najwyższą wartość i wielkość macierzy dwuwymiarowej.
Teraz określamy szerokość linii granicy i kolor granicy dla komórek wykresu. Wartość linii i linecolor wynosiłaby odpowiednio „2” i „czerwony”. Używamy metody pakietu Seatorn's HeatMap () do narysowania mapy cieplnej. Szerokość linii i linekolor komórek podano jako parametry tej funkcji. Aby zilustrować wykres, zostanie użyta funkcja show ().
Wniosek
Rozmawialiśmy o różnych technikach tworzenia mapy cieplnej morskiej. Mapa cieplna to wizualne przedstawienie dowolnych danych, które wykorzystują odcienie do wyświetlania treści matrycy. Metoda ciepła () zostanie zastosowana do tworzenia map cieplnych w Seator. Dodatkowo omówiliśmy, jak zmienić kolor mapy, jak oddzielić granice komórek wykresu i jak zakotwiczyć odcień mapy.