python实现热力图可视化,热力图python
(关系数据的可视化)热力图反映了两个离散变量热力图之间的组合关系，有时也称为交叉填充表。这种图形最典型的用法是实现列联表的可视化，即两个离散变量之间的组合关系用图形表示。读者可以借助seaborn模块中的热图功能绘制热图。根据惯例，该函数的用法及其参数的含义解释如下：
热图(data，vmin=None，vmax=None，cmap=None，center=None，annot=None，fmt=.2g ，annot_kws=None，linewidths=0，linecolor=white ，cbar=True，cbar_kws=None，square=False，xticklabels=auto ，yticklabels=auto ，mask=None，ax=None)数据：指定绘制热力图的数据集vmin，vmax:用于指定图例中最小值与最大值的显示值cmap:指定一个彩色地图对象，用于热力图的填充色（支持的值有 Accent ， Accent_r ， Blues ， Blues_r ， BrBG ， BrBG_r ， BuPu_r ， CMRmap ， CMRmap_r ， Dark2 ， Dark2_r ， GnBu_r ， Greens_r ， Greys_r ， OrRd ， OrRd_r ， Oranges ， Oranges_r ， PRGn ， PRGn_r ， Paired ， Paired ， Paired ， Paired ， Paired ， Paired ， Paired_r ， Paired ， Paired ， YlOrBr ， YlOrBr_r ， YlOrRd ， YlOrRd_r ， afmhot ， afmhot_r ， autumn ， autumn_r ， binary ， binary_r ， bone ， bone_r ， bwr ， bwr ， cividis ， r ， cool _ prism ， prism_r ， rainbow ， rainbow_r ， rocket ， rocket_r ，地震学， spring ， spring_r ， summer ， summer ， summer_r 指定颜色中心值，通过该参数可以调整热力图的颜色深浅不能：指定一个弯曲件类型的值或与数据参数形状一样的数组，如果为没错，就在热力图的每个单元上显示数值fmt:指定单元格中数据的显示格式annot_kws:有关单元格中数值标签的其他属性描述，如颜色、大小等线宽：指定每个单元格的边框宽度线条颜色：指定每个单元格的边框颜色cbar:布尔类型参数，是否用颜色条作为图例，默认为没错。方形：布尔型类型参数，是否使热力图的每个单元格为正方形，默认为错误。 cbar_kws:有关颜色条的其他属性描述xticklabels，yticklabels:指定热力图x轴和y轴的刻度标签，如果为没错，则分别以数据框的变量名和行名称作为刻度标签口罩：用于突出显示某些数据100 .ax:用于指定子图的位置。
接下来以某服装店的成交数据为例，统计2009-2012年的月总销售额：
然后，使用上面介绍的热图函数直观地显示统计结果。具体代码如下：
import panda as PD import matplotlib . py plot as PLT import seaborn as SNS import numpy as NP #设置绘图样式plt.style.use(ggplot)#处理中文乱码PLT。RC params[ font . sans-serif ]=[ Microsoft ya hei ]#处理坐标轴PLT的负号。RC params[ axes . unicode _ MINUS ]=false # Read data Sales=PD . Read _ excel(r 服装店的交易数据. xlsx) #根据交易日期，导出年和月字段Sales[ year ]=Sales . date . dt . year Sales[ month ]=Sales . date . dt . month #统计各年各月的销售总额summary=Sales . pivot _ table(index= month ，Columns= year ，values= sales)， aggfunc=np.sum) #打印销售额的列联表格式(print(Summary.head(13))#) #绘制热图sns.heatmap(data=Summary，#指定绘图数据cmap=PuBuGn ，#指定填充颜色线宽=.1，#设置每个单元格边框的宽度annot=True，#显示值fmt= .1e #以科学的方式显示数据)#添加标题plt.title(每年各月总销售额的热图)#显示
2009年2010年2011年2012月1日520452.55595334559.203030 341339.24709.55565 2718如果数据表以热图的形式呈现，问题就简单多了。
如上图所示，是可视化表格的结果。每个单元格的颜色深度代表表格的值。通过颜色，可以快速了解每年各月的销售情况。
郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。