Kolory morskiej mapy cieplnej
Mapy cieplne są używane do wyświetlania wzorów, wariancji i anomalii, a także do przedstawiania nasycenia lub intensywności zmiennych. Związki między zmiennymi są przedstawione przez mapy cieplne. Obie osie są używane do wykreślania tych zmiennych. Obserwując przesunięcie kolorów w komórce, możemy szukać wzorów. Wymaga tylko liczbowe wejście i pokazuje go na siatce, z różnymi wartościami danych wyświetlonymi przez zmienną intensywność kolorów.
Do przedstawienia mapy cieplnej można użyć wielu różnych schematów kolorów, każdy z własnym zestawem zalet percepcyjnych i wad. Kolory w mapie cieplnej wskazują wzory danych, dlatego decyzje palety kolorów są czymś więcej niż tylko kosmetycznym. Odkrycie wzorów może być ułatwione przez odpowiednie palety kolorów, ale mogą być również utrudnione przez słabe wybory kolorów.
Kolormy są używane do wizualizacji map cieplnych, ponieważ są one prostym i skutecznym sposobem widzenia danych. Różnorodne kolory można wykorzystać do różnych rodzajów map cieplnych. W tym artykule zbadamy, jak wchodzić w interakcje z morskimi mapami cieplnymi za pomocą Colormaps.
Przykład 1: Ustaw wykres sekwencyjnego KORORMAPS
Gdy wartości danych (liczbowe) zmieniają się z wysokich na niski i tylko jeden z nich jest znaczący dla analizy, wykorzystujemy sekwencyjne colormaps. Zauważ, że stworzyliśmy colormap z SNS.Paleta kolorów () i wyświetlałem kolory w kolorach z SNS.balplot (). Poniższe przypadki wyjaśnia, jak wygenerować sekwencyjną mapę cieplną Colormap z modułem morskim.
W poniższym skrypcie Pythona podajemy trzy moduły niezbędne do działania kodu. Następnie wstawiamy wartość nasion zero do funkcji losowej do generowania liczb losowych. Tworzymy dane pola, w których nazywana jest funkcja RAND, która generuje liczbę losową w określonym przedziale dla osi x i osi y. Następnie tworzymy zmienną colormap, w której color_palette utworzyła kolor „czerwony”. Ostatecznie kolor CMAP jest wykorzystywany do mapy cieplnej.
importować matplotlib.Pyplot as PltImportuj Seaorn jako SNS
importować Numpy jako NP
NP.losowy.ziarno (0)
Data = NP.losowy.Rand (10, 10)
colormap = sns.color_palette („Reds”)
AX = SNS.mapa cieplna (dane, cmap = colormap)
plt.pokazywać()
Sekwencyjna mapa cieplna kolorów jest reprezentowana tak jak to z poprzedniego skryptu.
Przykład 2: Ustaw sekwencyjne colormaps za pomocą wykresu argumentu CMAP
Ponieważ „Reds” jest wbudowaną kolorną w Seborn, można go również przekazać prosto do argumentu CMAP.
Warto zauważyć, że nasza Colormap ma ciągłą intensywność kolorów, w przeciwieństwie do poprzedniej, która miała dyskretną intensywność zieloną dla szeregu możliwych wartości. Oto głębsze spojrzenie na kolory uzyskane na mapach cieplnych wymienionych na następującej ilustracji:
Przeszliśmy zero dla nasion Rand i wygenerowaliśmy liczbę losową za pomocą funkcji RAND wewnątrz danych zmiennych. Ustawiliśmy interwał (15,15) zarówno dla osi X, jak i osi Y. Następnie przekazaliśmy argument CMAP, który ma kolor „blues” wewnątrz funkcji mapy cieplnej. To tworzy „niebieskie” warianty kolorów mapy cieplnej.
importować matplotlib.Pyplot as PltImportuj Seaorn jako SNS
importować Numpy jako NP
NP.losowy.ziarno (0)
Data = NP.losowy.Rand (15, 15)
AX = SNS.heatmap (dane, cmap = „blues”)
plt.pokazywać()
Wykres sekwencyjnego intensywności kolorów bluesa jest pokazany wewnątrz figury wraz z paskiem kolorów określonego koloru.
Przykład 3: Ustaw rozbieżną wykres Colormaps
Są wykorzystywane do przedstawiania wartości liczbowych, które wahają się od wysokiego do niskiego (i odwrotnie), przy czym ważne są zarówno wartości maksymalne, jak i minimalne. Na mapie cieplnej morskiej poniższy przykład wyjaśnia, jak użyć rozbieżnego koloru.
Tutaj importujemy bibliotekę Seaorn, która jest zainstalowana w naszym języku Python. Biblioteka Matplotlib jest również używana do wizualizacji wykresu. Mamy inny moduł, który jest Numpy dla Numpy Cechy. Następnie, wykorzystując moduł Numpy, mamy NP.losowy.Funkcja nasion, która przekazuje wartość zerową używaną do inicjalizacji liczb losowych.
Wewnątrz danych zmiennych wywołujemy funkcję Numpy Rand, która ustawia limit liczby dla obu osi na wykresie. Następnie mamy funkcję mapy morskiej morskiej, która przyjmuje argument cmap. CMAP jest ustawiony z domyślną kolorystyką, która jest kolorami Coolwarm.
importować matplotlib.Pyplot as PltImportuj Seaorn jako SNS
importować Numpy jako NP
NP.losowy.ziarno (0)
Data = NP.losowy.Rand (10, 12)
AX = SNS.heatmap (dane, cmap = „CoolWarm”)
plt.pokazywać()
Na poniższym rysunku mamy spersonalizowany mapa cieplna za pomocą CMAP:
Przykład 4: Ustaw wykres parametrów CBAR
Atrybut CBAR mapy cieplnej jest wartością logiczną, która oznacza, czy należy go wykreślić. Pasek kolorów jest domyślnie prezentowany na wykresie, jeśli parametr CBAR nie jest określony. Przełącz CBAR na fałszywe, aby wyłączyć pasek kolorów. CBAR = fałszywy parametr w metodzie HeatMap () można zastosować do wyłączenia paska kolorów mapy cieplnej w Seator.
Wymagaliśmy czterech bibliotek; Dodatkowa biblioteka to pandy dla ramki danych, których używamy w kodzie. Z Seaorn nazywamy tutaj funkcją ustaloną. Następnie, z załadowaną funkcją zestawu danych, przykładowe loty danych są dodawane i przechowywane w zmiennej DF.
W następnym wierszu mamy funkcję obrotu, która przyjmuje dane kolumnowe i odpowiednio grupuje dane. Mamy trzy kolumny: miesiące, rok i pasażerowie z zestawu danych lotu. Teraz wywołując funkcję MAP MAP Seaorn ustawia argument CBAR na fałszywą wartość. Z funkcją show PLT wykres jest renderowany.
importować pandy jako PDimportować Numpy jako NP
Importuj Seaorn jako SNS
importować matplotlib.Pyplot as Plt
Sns.ustawić()
DF = SNS.load_dataset („loty”)
df = df.Pivot („miesiąc”, „rok”, „pasażerowie”)
AX = SNS.mapa cieplna (df, cbar = false)
plt.pokazywać()
CBAR jest usuwany z wykresu mapy cieplnej na danym rysunku:
Wniosek
Praca z mapami upałów morskich jest proste. Omówiliśmy dwa rodzaje map kolorów, które obejmują sekwencyjne i rozbieżne mapy kolorów. Wyjaśniliśmy je krótko wraz z przykładem z kompilatorem Python Seaorn w Ubuntu 20.04.