Seeborn ist ein Python -Paket zur Datenvisualisierung, das auf der Matplotlib -Bibliothek basiert. Es gibt Ihnen die Möglichkeit, die Daten in einer statistischen grafischen Form darzustellen, die sowohl relevant als auch ansprechend ist. Eines der von Seaborn angebotenen Merkmale ist eine Heatmap, die eine Farbpalette verwendet, um Variationen in verknüpften Daten darzustellen. Im Seeborn -Modul können wir das Seeborn verwenden.Heatmap () -Methode zur Erstellung von Heatmap -Diagrammen.

Annotationen sind Textlinien, die in einer Hitzemap -Zelle erscheinen, um zu beschreiben, was eine bestimmte Zelle darstellt. Die Schriftgröße der Anmerkungen wird standardmäßig festgelegt, kann jedoch mit dem Annot -KWS -Parameter der Wärmemap () -Methode geändert werden. Der Annot-KWS ist eine Option vom Typ Wörterbuch, die einen Wert für die Größenschlüssel erfordert. Die Größe der Anmerkungen wird durch den Wert dieser Taste bestimmt. Es müssen jedoch einige Bedingungen befolgt werden.

Syntax der Heatmap in Seeborn

Seeborn.Heatmap (Daten, vmin = keine, vmax = none, Annot = none, Annot_kws = true, linewids = 0, cbar = none, cbar_kws = none, square = false, XtickLabels = 'auto', yticklabels = 'auto', mask = Keine, ax = keine, kwargs)

Daten: Zweiten Sie einen 2D -Datensatz in ein NDarray. Die Index-/Spalteninformationen aus einem Pandas -Datenfreame werden verwendet, um die Spalten und Zeilen zu benennen.

VMIN, VMAX: Werte werden verwendet, um den Colormap zu verankern; Andernfalls werden sie von den Datensatz- und anderen Laufzeiten abgezogen.

Annot: Wenn wahr, füllen Sie jede Zelle mit dem Datenwert aus. Verwenden Sie es, um die Heatmap und nicht die Daten zu kommentieren, wenn es sich um ein Array-ähnliches Objekt mit demselben Format wie Daten handelt. Datenrahmen werden eher basierend auf dem Standort als auf dem Index abgestimmt.

fmt: Verwenden Sie beim Hinzufügen von Anmerkungen diesen String -Formatierungscode.

Annot_kws: Wenn die Anmerkung wahr ist, werden die Schlüsselwortparameter an die Matplotlib übergeben.Äxte.Äxte.Text().

Linienbreiten: Der Abstand zwischen den Linien, die jede Zelle teilen sollten.

CBAR: Ein BOOL -Parameter entscheidet, ob eine Farbleiste gezeichnet werden soll.

CBAR_AX: Äxte, aus denen die Farbleiste erstellt werden kann; Andernfalls wird der Raum auf den Hauptachsen aufgenommen.

Quadrat: Passen Sie das Achsenattribut auf „gleich“ ein, wenn jeder Zelle quadratisch formuliert wird.

Xticklabels, yticklabels: Diagramm die Spaltennamen des Datenrahmens, wenn true. Wenn dies falsch ist, sollten die Spaltennamen nicht aufgezeichnet werden. Wenn die alternativen Etiketten XtickLabels sind, zeichnen Sie sie als Liste auf. Verwenden Sie die Feldnamen, wenn die Nummer eine Ganzzahl ist, aber nur die ersten in Etiketten zeichnen. Wenn Sie "Auto" verwenden, versuchen Sie, nicht überlappende Beschriftungen so dicht wie möglich zu zeichnen.

Maske: Daten werden in Zellen nicht angezeigt, wenn die Maske wahr ist, wenn dieser Parameter auf true eingestellt ist. Maskierte Zellen sind solche, die fehlende Werte haben.

Axt: Äxte, auf denen die Handlung aufgebaut werden kann; Verwenden Sie ansonsten die aktuell aktiven Achsen.

Kwargs: Matplotlib.Äxte.Äxte.pcolOrmesh () wird an alle anderen Schlüsselwortparameter übergeben.

Beispiel 1

Die Funktion set () legt die Konfiguration und das Thema der Seeborn -Diagramme fest. Die Größe des Diagramms kann mit der RC -Option identifiziert werden. Wir haben die Module definiert, die wir im Python -Skript im folgenden Beispiel verwenden werden. Danach haben wir Daten innerhalb einer variablen Markierungen erstellt und die Datenrahmenfunktion aufgerufen. Die Datenrahmenfunktion verfügt. Wir hatten die Daten für das Diagramm festgelegt.

Jetzt wird die festgelegte Funktion definiert, bei der die Größe des Diagramms in der AbbSize erwähnt wird. Anschließend wird die SEABORN -HEATMAP -Funktion angerufen, wo die Kormfunktion auf die Marke aufgetragen wird. Die Corr -Funktion gab alle Spalten des Datenrahmens zurück, die eine paarweise Korrelation aufweisen.

Pandas als PD importieren
Matplotlib importieren.Pyplot als PLT
Importieren Sie Seeborn als SNS
Markierungen = 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 = 'Abbildung.Figsize ': (10, 5))
sns .Heatmap (Markierungen.corr ())
PLT.zeigen()

Das Heatmap -Diagramm wird mit der angegebenen Figur -Größe wie folgt gerendert:

Beispiel 2

In Python wird die Abbildung () -Methode verwendet, um die aktuelle Abbildung zu beginnen oder zu ändern. In diesem Diagramm wird die Heatmap gezeigt. Der Parameter von FigSize der Funktion kann verwendet werden, um die Größe zu ändern. Wir müssen Daten zum Generieren des Diagramms mit der angegebenen Figurgröße erstellen. Wir haben einen Datenrahmen von vier Spalten List1, List2, List3 und List4 und haben zufällige Werte in sie eingefügt. Dann haben wir eine Abbildung () -Methode innerhalb, in der wir die Figurengröße definiert haben. Im letzten Schritt wird die Corr -Methode unter Verwendung der Heatmap -Funktion auf den Datenrahmen angewendet.

Pandas als PD importieren
Matplotlib importieren.Pyplot als PLT
Importieren Sie Seeborn als SNS
List = pd.DataFrame ("Liste 1": [5, 8, 9, 5, 1, 7, 8, 9],
"Liste 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.Abbildung (Figsize = (15, 7))
sns.Heatmap (Liste.corr ())
PLT.zeigen()

Die Größe wird in der nachfolgenden Figur des Heatmap -Diagramms sichtbar gemacht.

Beispiel 3

Hier verwenden wir die Parameter für Annot- und Annotisen für die Heatmap -Größe. Wir haben den Beispieldatensatz „Tipps“ in der Option Seeborn Load_dataset geladen, die in den variablen Daten gespeichert ist. Dann haben wir die Heatmap -Funktion aufgerufen und die Corr -Funktion für den Datensatz bereitgestellt. Dann haben wir die Annot -Option bereitgestellt und sie als wahr gesetzt. Die Option Annot_kws ist mit der Größe 12 festgelegt.

Numph als NP importieren
Importieren Sie Seeborn als SNS
Matplotlib importieren.Pyplot als PLT
Daten = SNS.Load_dataset ("Tipps")
sns.Heatmap (Daten.corr (), Annot = true, Annot_kws = 'Größe': 12)
PLT.zeigen()

Die vorherige Implementierung erstellt die folgende Heatmap -Diagrammgröße:

Beispiel 4

Wenn es darum geht, die Größe zu bestimmen, muss berücksichtigt werden. Wenn Sie eine große Anzahl angeben, werden die Anmerkungen viel zu sehr vergrößert, sodass sie unmöglich zu lesen und zu interpretieren können. Sie können sogar übereinander zusammenbrechen. Somit die Heatmap unbrauchbar machen. Wir haben den Datenrahmen -Iris ausgewählt und in der Funktion load_dataset geladen. Rufen Sie die Wärmefunktion auf, bei der der Annotparameter auf true eingestellt ist, und Annot_kws wird mit der Größe 20 eingestellt.

Matplotlib importieren.Pyplot als PLT
Importieren Sie Seeborn als SNS
Daten = SNS.load_dataset ("iris")
sns.Heatmap (Daten.corr (), Annot = true, Annot_kws = 'Größe': 20)
PLT.zeigen()

Daher wird das resultierende Heatmap -Diagramm mit großen Zahlen sichtbar gemacht.

Abschluss

Die Erklärung des Artikels für die Größe der Seeborn Heatmap endet hier. Um eine grafische Darstellung einer Matrix bereitzustellen, wird eine Wärmemap verwendet. Es verwendet unterschiedliche Farbfarben für verschiedene Werte und zeichnet ein Raster in die Grafik. Wir haben die Beispiele gezeigt, die die Heatmap -Größe mit unterschiedlichen Ansätzen definiert haben. Die Standarddiagrammgröße enthält jedoch möglicherweise kein gutes Datenbild, das eine große Matrix darstellt.