Seaborn varmekart

“Seaborn er et matplotlib-basert visuell analysebibliotek. Det har et rammeverk på høyt nivå for å definere visuelt tiltalende analytiske grafer. Matplotlib er grunnlaget for sjøborn. Seaborn -modulen lar oss lage detaljerte varmekart, og det visuelle vil bli ytterligere justert med matplotlib -funksjoner før de vises for noen av matplotlib -modulene for å gi kvalitetsgrafikk.

Seaborn tilbyr et bedre grensesnitt enn matplotlib, slik at brukerne kan forenkle mange av modifikasjonene og noen operasjoner som ellers ville være påkrevd for å lage matplotlib -grafer som responsive. Det fungerer også bra med Pandas-datatyper, noe som gjør data forbehandling og visualisering av enkelt. Den inneholder også flere grafer som har nyttige parametere og en tiltalende layout.

Et varmekart er en 2D -visuell representasjon av informasjon som bruker farger for å illustrere de unike verdiene i en matrise. Det er en perfekt grafisk teknikk for å analysere forskjellige enheter. Det er enkelt å lage og tilpasse, samt forstå. Heatmaps vil bli brukt til å identifisere sammenhengen mellom egenskapene til en dyp læringsalgoritme fordi de gir en enkel måte å evaluere koblingen mellom forskjellige enheter.

Det kan hjelpe variabelt valg ved å fjerne elementer som er intimt koblet. Jeg skal diskutere flere metoder som brukes til å tegne et sjøborn -varmekart i Python med forskjellige illustrasjoner.”

Bruk Randint () -metoden

Her vil vi bruke Randint () -funksjonen til å lage en todimensjonal matrise. Biblioteket Numpy inneholder denne funksjonen.

Importer numpy som NP
Importer sjøborn som SN
Importer matplotlib.Pyplot som Plt
data = np.tilfeldig.Randint (lav = 1,
Høy = 200,
størrelse = (20, 20))
hm = sn.Heatmap (data = data)
plt.forestilling()

I begynnelsen av koden har vi importert tre nødvendige biblioteker som er numpy som NP, Seaborn som SN og Matplotlib.Pyplot som Plt. Nå ønsker vi å lage en todimensjonal matrise. Denne matrisen inneholder noen tilfeldige verdier. For å lage matrisen har vi brukt Randint () -metoden til Numpy Library. Denne funksjonen inneholder tre forskjellige parametere. Disse parametrene inkluderer den minste verdien, den største verdien og størrelsen på matrisen.

Så brukte vi Heatmap () -metoden for å tegne varmekart. Til slutt måtte vi vise plottet, så vi brukte Show () -metoden.
Etter å ha kjørt ovennevnte kode, får vi den foregående plottet.

Forankre skyggen på kartet

Bare celler som har verdier innen 40 og 80 vil bli presentert hvis minimums- og maksimumsverdiene for cellene blir justert til henholdsvis 40 og 80.

Importer numpy som NP
Importer sjøborn som SN
Importer matplotlib.Pyplot som Plt
data = np.tilfeldig.Randint (lav = 2,
Høy = 200,
størrelse = (20, 20))
VMIN = 40
Vmax = 80
hm = sn.Heatmap (data = data,
VMIN = VMIN,
vmax = vmax)
plt.forestilling()

Det første trinnet er å integrere overskriftsfilene. Headerfilen Numpy er integrert som NP, Seaborn vil bli integrert som SN, og den tredje overskriften File Matplotlib vil bli integrert som PLT. I neste trinn skal vi generere en todimensjonal matrise. Vi lagret forskjellige tall i matrisen. Matrisen inneholder verdier fra 2 til 200. Funksjonen Randint () brukes til å lage en matrise. Denne funksjonen tilhører Numpy Library.

Vi har gitt lavere verdi, høyeste verdi og størrelsen på den todimensjonale matrisen som parametrene til funksjonen Randint (). Nå må vi spesifisere minimumsverdien og maksimumsverdien for cellene i grafen. For å tegne hetekartet har vi brukt funksjonen Heatmap () til biblioteket Seaborn. Denne funksjonen inneholder minimums- og maksimumsverdiene til cellene som argument. Show () -metoden blir brukt for å representere grafen.

Justere fargen på kartet og sentrere det

"CMAP" -argumentet vil bli analysert i dette tilfellet. Mange kolormaps er tilgjengelige i matplotlib. Her vil vi spesifisere verdien “TAB10” til “CMAP” -argumentet. Vi setter også "sentrum" -argumentet til null for å sentrere CMAP.

Importer numpy som NP
Importer sjøborn som SN
Importer matplotlib.Pyplot som Plt
data = np.tilfeldig.Randint (lav = 2,
Høy = 200,
størrelse = (20, 20))
CMAP = "Tab10"
senter = 1
hm = sn.Heatmap (data = data,
CMAP = CMAP,
sentrum = sentrum)
plt.forestilling()

Vi introduserte tre essensielle biblioteker i starten av koden: Numpy som NP, Seaborn som SN og Matplotlib.Pyplot som Plt. Vi skal lage en todimensjonal matrise nå. Det er noen tilfeldige verdier i denne matrisen. Vi har brukt Numpy Librarys Randint () -metode for å lage matrisen. Det er tre argumenter i denne funksjonen. Den minste verdien, største verdien og matriksstørrelsen er blant disse parametrene.

I neste trinn har vi spesifisert fargen på kartet ved å bruke "CMAP" -variabelen. Vi setter verdien som "Tab10". Vi ga også "senter" -attributtet og satte verdien 0. Hatmappen ble deretter tegnet ved hjelp av Heatmap () -funksjonen. Argumentene til denne funksjonen inkluderer kartets farge og grafens sentrum. Til slutt må vi vise plottet; Dermed brukte vi Show () -metoden.

Å skape en unik separasjonslinje

”Linjebredder” og “Linjecolor” -argumenter kan brukes til å justere tykkelsen og skyggen på grensene til celler.

Importer numpy som NP
Importer sjøborn som SN
Importer matplotlib.Pyplot som Plt
data = np.tilfeldig.Randint (lav = 2,
Høy = 200,
størrelse = (20, 20))
LineWidths = 3
Linecolor = "Blå"
hm = sn.Heatmap (data = data,
LineWidths = LineWidths,
Linecolor = Linecolor)
plt.forestilling()

Overskriftsfilene må først integreres. Headerfilen Numpy vil bli innlemmet som NP, Seaborn vil bli integrert som SN, og Matplotlib vil bli inkludert som PLT. Ulike tall har blitt holdt i matrisen. Oppføringene i matrisen varierer fra 2 til 200. En matrise opprettes ved å bruke Randint () -metoden. Numpy -biblioteket inneholder denne metoden. Argumentene til funksjonen randint () er den minste verdien, høyeste verdi og størrelsen på den todimensjonale matrisen.

Nå vil vi spesifisere linjebredden på grensen og fargen på grensen for grafens celler. Verdien av linjebredde og linecolor ville være henholdsvis "2" og "rød". Vi har brukt pakken Seaborns Heatmap () -metode for å tegne Heatmap. Linewidth og Linecolor of the Cell er gitt som parametere til denne funksjonen. For å illustrere grafen, vil showet () funksjonen bli brukt.

Konklusjon

Vi har snakket om forskjellige teknikker for å lage Seaborn Heatmap. Et varmekart er en visuell skildring av alle data som bruker nyanser for å vise matrisens innhold. Heatmap () -metoden vil bli brukt til å lage Heatmaps i Seaborn. Vi dekket i tillegg hvordan du endrer kartets farge, hvordan skiller grensene for grafens celler, og hvordan du kan forankre kartet.