Seaborn Heatmap -farger

Heatmaps er fargede kart som viser data i et todimensjonalt format. Fargevariasjon oppnås ved å bruke fargetone, metning eller lysstyrke for å skildre den varierte informasjonen på fargekartene. Denne fargevariasjonen gir leserne visuell informasjon om størrelsen på kvantitative verdier. Heatmaps erstatter tall med farger siden menneskesinnet forstår synspunkter bedre enn tekstdataene. Tatt i betraktning at mennesker først og fremst er visuelle, er det fornuftig å presentere dataene på noen måte. Heatmaps er enkle å forstå visuelle fremstillinger av data. Som et resultat blir datavisualiseringsverktøy som Heatmaps stadig mer populære.

Varmekart brukes til å vise mønstre, varians og anomalier, samt for å skildre metningen eller intensiteten til variablene. Forhold mellom variabler er avbildet via varmekart. Begge aksene brukes til å plotte disse variablene. Ved å observere fargeskiftet i cellen, kan vi se etter mønstrene. Det tar bare numeriske inngang.

Mange forskjellige fargevalg kan brukes til å skildre varmekartet, hver med sitt eget sett med perseptuelle fordeler og ulemper. Farger i varmekartet indikerer mønstre i dataene, og dermed er fargepalettbeslutninger mer enn bare kosmetiske. Funnet av mønstre kan tilrettelegges av passende fargepaletter, men kan også hindres av de dårlige fargevalgene.

Colormaps brukes til å visualisere varmekart siden de er en enkel og effektiv måte å se data. Forskjellige kolormaps kan brukes til forskjellige slags varmekart. I denne artikkelen skal vi utforske hvordan du kan samhandle med Seaborn Heatmaps ved hjelp av Colormaps.

Eksempel 1: Angi den sekvensielle Colormaps -plottet

Når dataverdiene (numerisk) endres fra høy til lavt og bare en av dem er viktig for analysen, bruker vi sekvensielle kolormaps. Merk at vi opprettet en Colormap med SNS.fargepalett () og viste fargene i colormap med SNS.Palplot (). Følgende forekomst forklarer hvordan du genererer et sekvensielt Colormap Heatmap med Seaborn -modulen.

I det følgende Python -skriptet gir vi de tre modulene som er nødvendige for at koden skal fungere. Deretter setter vi frøverdien null i den tilfeldige funksjonen for å generere tilfeldige tall. Vi oppretter feltdataene der RAND-funksjonen kalles som genererer et tilfeldig tall i et spesifisert intervall for x-aksen og y-aksen. Deretter lager vi en Colormap -variabel der Color_palette opprettet fargen “Reds”. Til slutt brukes CMAP -fargen for varmekartet.

Importer matplotlib.Pyplot som Plt
Importer sjøborn som SNS
Importer numpy som NP
np.tilfeldig.frø (0)
data = np.tilfeldig.Rand (10, 10)
colormap = sns.color_palette ("røde")
AX = Sns.Heatmap (Data, CMAP = Colormap)
plt.forestilling()

Det sekvensielle fargemeldingen er representert som dette fra forrige skript.

Eksempel 2: Angi sekvensielle kolormaps med CMAP -argumentasjonsplottet

Ettersom "Reds" er en innebygd Colormap i Seaborn, kan det også sendes rett til CMAP-argumentet.

Det er verdt å merke seg at Colormap har en kontinuerlig fargeintensitet, i motsetning til den forrige, som hadde en diskret grønn intensitet for en rekke mulige verdier. Her er et dypere blikk på kolormaps oppnådd i varmekartene som er nevnt i følgende illustrasjon:

Vi passerte et null for RAND -frøet og genererte det tilfeldige tallet ved å bruke RAND -funksjonen i de variable dataene. Vi setter intervallet (15,15) for både x-aksen og y-aksen. Deretter passerte vi et argument CMAP som har fargen "blues" inne i varmekartfunksjonen. Dette skaper de "blå" fargevariasjonene til varmekartet.

Importer matplotlib.Pyplot som Plt
Importer sjøborn som SNS
Importer numpy som NP
np.tilfeldig.frø (0)
data = np.tilfeldig.Rand (15, 15)
AX = Sns.Heatmap (Data, CMAP = "Blues")
plt.forestilling()

Blues 'sekvensielle fargeintensitetsplott vises inne i figuren sammen med fargestangen til den spesifiserte fargen.

Eksempel 3: Angi den divergerende Colormaps -plottet

De brukes til å skildre de numeriske verdiene som spenner fra høy til lav (og omvendt), med både maksimums- og minimumsverdiene som er viktige. På et sjøkmapp forklarer følgende eksempel hvordan du bruker en divergerende colormap.

Her importerer vi Seaborn Library som er installert på Python -språket vårt. Matplotlib -biblioteket brukes også til visualisering av plottet. Vi har en annen modul som er numpy for numpy funksjonene. Ved å bruke Numpy -modulen har vi NP.tilfeldig.frøfunksjon som passerer en verdi på null som brukes til å initialisere de tilfeldige tallene.

Inne i de variable dataene kaller vi en numpy funksjonsrand som setter tallgrensen for begge aksene i plottet. Deretter har vi en Seaborn Heatmap -funksjon, som tar argumentet CMAP. CMAP er satt med standard fargeskjema som er kjølefargene.

Importer matplotlib.Pyplot som Plt
Importer sjøborn som SNS
Importer numpy som NP
np.tilfeldig.frø (0)
data = np.tilfeldig.Rand (10, 12)
AX = Sns.Heatmap (Data, CMAP = "Coolwarm")
plt.forestilling()

I den følgende figuren har vi et tilpasset varmekart ved hjelp av CMAP:

Eksempel 4: Angi CBAR -parameterplottet

Heatmaps CBAR -attributt er en boolsk verdi som innebærer om den skal plottes. Fargelinjen er omtalt i grafen som standard hvis CBAR -parameteren ikke er spesifisert. Bytt CBAR til False for å deaktivere fargestangen. CBAR = falsk parameter i Heatmap () -metoden kan brukes til å deaktivere fargelinjen til varmekart i sjøborn.

Vi krevde de fire bibliotekene; Tilleggsbiblioteket er pandaene for datarammen som vi bruker i koden. Med Seaborn kaller vi en fast funksjon her. Deretter, med den lastede datasettfunksjonen, legges eksemplet datasettflyging og lagret i DF -variabelen.

I neste linje har vi en pivotfunksjon som tar kolonnemessige data og grupper dataene deretter. Vi passerer de tre kolonnene: Måneder, år og passasjerer fra flyets datasett. Nå, påkaller den sjøkablede hetekartfunksjonen CBAR -argumentet til en falsk verdi. Med PLT -showfunksjonen blir plottet gjengitt.

Importer pandaer som PD
Importer numpy som NP
Importer sjøborn som SNS
Importer matplotlib.Pyplot som Plt
sns.sett()
df = sns.LOAD_DATASET ("Flights")
df = df.pivot ("måned", "år", "passasjerer")
AX = Sns.Heatmap (DF, CBAR = FALSE)
plt.forestilling()

CBAR fjernes fra varmekartsplottet i den gitte figuren:

Konklusjon

Det er enkelt å jobbe med Seaborn Heatmaps. Vi diskuterte de to typene fargekart som inkluderer de sekvensielle og divergerende fargekartene. Vi forklarte dem kort sammen med det løpende eksemplet med Python Seaborn -kompilatoren inne i Ubuntu 20.04.