Searorn to pakiet Python wizualizacji danych zbudowany na bibliotece Matplotlib. Daje to sposób na przedstawienie danych w statystycznej formie graficznej, która jest zarówno istotna, jak i atrakcyjna. Jedną z funkcji oferowanych przez Searorn jest mapa cieplna, która wykorzystuje paletę kolorów w celu przedstawienia zmienności w połączonych danych. W module morskim możemy użyć Seaorn.metoda heatmap () do tworzenia wykresów map termicznych.

Adnotacje to linie tekstu, które pojawiają się na komórce mapy cieplnej, aby opisać, co reprezentuje konkretna komórka. Rozmiar czcionki adnotacji jest ustawiony domyślnie, chociaż można go zmienić za pomocą parametru annot KWS metody heatmap (). Annot KWS to opcja typu słownika, która wymaga wartości dla klucza rozmiaru. Rozmiar adnotacji zależy od wartości przypisanej do tego klucza. Należy jednak zastosować pewne warunki, aby podnieść rozmiar adnotacji, na przykład parametr adnota Funkcji Heatmap () musi być ustawiony na true, a wymagany rozmiar dla opcji KWS adnota.

Składnia mapy cieplnej w Seborn

Seorborn.heatmap (dane, vmin = brak, vmax = brak, annot = brak, annot_kws = true, lineWidths = 0, cbar = brak, cbar_kws = brak, kwadrat = false, xticklabels = 'auto', yTickLabels = 'auto', mask = mask = mask = mask = mask = mask = mask = mask = mask = mask = Brak, ax = brak, kwargs)

Dane: Zmuszaj zestaw danych 2D do ndarray. Informacje o indeksie/kolumnie z pandas DataFrame zostaną użyte do nazwie kolumn i wierszy.

Vmin, Vmax: Wartości zostaną użyte do zakotwiczenia colormap; W przeciwnym razie zostaną odliczone od zestawu danych i innych terminów wejściowych.

Adnot: Jeśli prawda, wypełnij każdą komórkę wartością danych. Użyj go do adnotacji mapy cieplnej, a nie danych, jeśli jest to obiekt podobny do tablicy o tym samym formacie co dane. DataFrame będą dopasowane na podstawie lokalizacji, a nie indeksu.

fmt: Podczas dodawania adnotacji użyj tego kodu formatowania ciągu.

annot_kws: Gdy adnota.osie.Osie.tekst().

LineWidths: Odległość między liniami, które powinny podzielić każdą komórkę.

CBAR: Parametr bool decyduje, czy należy narysować pasek kolorów.

CBAR_AX: Osie, z których można utworzyć pasek kolorów; W przeciwnym razie przestrzeń na głównych osiach zostanie pobrana.

kwadrat: Dostosuj atrybut osi do „równych”, jeśli jest prawdziwy, aby każda komórka dostała kwadratowy w kształcie kwadratu.

XTICKLABELS, YTICKLABELS: Wykres nazwy kolumn ramki danych, jeśli są prawdziwe. Jeśli jest to fałszywe, nazwy kolumn nie należy wykreślać. Jeśli alternatywne etykiety to XtickLabels, wykreśl je jako listę. Użyj nazw pola, jeśli liczba jest liczbą całkowitą, ale wykreśl tylko pierwsze w etykietach. Jeśli używasz „Auto”, spróbuj wykreślić etykiety nie napadowe tak gęsto, jak to możliwe.

maska: Dane nie będą wyświetlane w komórkach, gdy maska ​​jest prawdziwa, jeśli ten parametr jest ustawiony na true. Zamaskowane komórki to te, które mają brakujące wartości.

topór: Osie, na których można budować działkę; W przeciwnym razie użyj aktualnie aktywnych osi.

KWARGS: Matplotlib.osie.Osie.pcolormesh () jest przekazywany do wszystkich innych parametrów słów kluczowych.

Przykład 1

Funkcja set () ustanawia konfigurację i motyw wykresów morskich. Rozmiar wykresu można zidentyfikować z opcją RC. Zdefiniowaliśmy moduły, które będziemy używać w skrypcie Pythona w poniższym przykładzie. Następnie utworzyliśmy dane w zmiennych znakach i nazwaliśmy funkcję ramki danych. Funkcja ramki danych ma cztery kolumny studenckie, w których zarejestrowaliśmy oceny, których uczniowie zdobyli. Ustawiliśmy dane dla wykresu.

Teraz funkcja zestawu jest zdefiniowana, gdzie rozmiar wykresu jest wspomniany w FigSize. Następnie wywoływana jest funkcja mapy cieplnej morskiej, w której funkcja CORT jest stosowana na znaki. Funkcja CORD zwróciła wszystkie kolumny ramki danych, które mają korelację parami.

importować pandy jako PD
importować matplotlib.Pyplot as Plt
Importuj Seaorn jako SNS
Marks = Pd.DataFrame („Student 1”: [6, 3, 1, 7, 3, 10, 5, 4],
„Student 2”: [3, 7, 2, 1, 8, 2, 4, 2],
„Student3”: [1, 6, 9, 8, 6, 4, 9, 3],
„Student 4”: [5, 5, 1, 9, 4, 7, 8, 3])
Sns.set (rc = 'rysunek.rysunek ”: (10, 5))
Sns .mapa cieplna (znaki.corr ())
plt.pokazywać()

Wykres mapy cieplnej jest renderowany z określonym rozmiarem figury w następujący sposób:

Przykład 2

W Pythonie metoda figury () jest używana do rozpoczęcia lub modyfikacji bieżącej rysunku. Na tym schemacie pokazano mapę cieplną. Do zmiany rozmiaru można wykorzystać parametr rysunku funkcji. Musimy tworzyć dane do generowania wykresu z określonym rozmiarem figur. Mamy ramkę danych z czterech kolumn List1, List2, List3 i List4 i wstawionych w nich losowych wartości. Następnie mamy w środku metodę figury (), którą zdefiniowaliśmy rozmiar figury. W ostatnim kroku metoda CORT jest stosowana do ramki danych za pomocą funkcji mapy cieplnej.

importować pandy jako PD
importować matplotlib.Pyplot as Plt
Importuj Seaorn jako SNS
LIST = PD.DataFrame ("List 1": [5, 8, 9, 5, 1, 7, 8, 9],
„Lista 2”: [4, 6, 5, 8, 6, 1, 2, 3],
„List3”: [1, 2, 8, 4, 3, 9, 5, 2],
„List4”: [7, 1, 5, 6, 3, 10, 5, 8])
plt.Rysunek (rysunek = (15, 7))
Sns.mapa cieplna (lista.corr ())
plt.pokazywać()

Rozmiar jest wizualizowany w kolejnej figurze wykresu mapy cieplnej.

Przykład 3

Tutaj używamy parametrów adnota. Załadowaliśmy przykładowy zestaw danych „TIPS” w opcji Seorborn Load_Dataset, która jest przechowywana w danych zmiennych. Następnie nazwaliśmy funkcję mapy cieplnej i dostarczyliśmy funkcję CORT dla zestawu danych. Następnie dostarczyliśmy opcję adnota. Opcja annot_kws jest ustawiona w rozmiarze 12.

importować Numpy jako NP
Importuj Seaorn jako SNS
importować matplotlib.Pyplot as Plt
Data = SNS.load_dataset („końcówki”)
Sns.mapa cieplna (dane.corr (), annot = true, annot_kws = 'rozmiar: 12)
plt.pokazywać()

Poprzednia implementacja kompiluje następujący rozmiar wykresu MAP Heat:

Przykład 4

Jeśli chodzi o określanie rozmiaru, należy zastosować rozważanie. Kiedy zapewnisz ogromną liczbę, adnotacje zostaną o wiele powiększone, co uniemożliwia odczytanie i interpretację. Mogą nawet upaść się nad sobą. W ten sposób nie nadaje się do mapy cieplnej. Wybraliśmy tęczówkę ramki danych i załadowaliśmy ją do funkcji Load_Dataset. Wywołaj funkcję mapy cieplnej, w której parametr adnota jest ustawiony na true, a Annot_KWS jest ustawiony w rozmiarze 20.

importować matplotlib.Pyplot as Plt
Importuj Seaorn jako SNS
Data = SNS.Load_Dataset („Iris”)
Sns.mapa cieplna (dane.corr (), annot = true, annot_kws = 'rozmiar: 20)
plt.pokazywać()

Stąd wynikowy wykres mapy cieplnej jest wizualizowany dużą liczbą.

Wniosek

Tutaj kończy się wyjaśnienie rozmiaru mapy cieplnej Seaorn Heorborn. Aby zapewnić graficzne przedstawienie matrycy, stosuje się mapę cieplną. Stosuje różne odcienie kolorów dla różnych wartości i rysuje siatkę na wykresie. Pokazaliśmy przykłady, które zdefiniowały rozmiar mapy cieplnej z różnymi podejściami. Jednak domyślny rozmiar wykresu może nie zawierać dobrego obrazu danych przedstawiającego dużą matrycę.