Seaborn er en datavisualisering Python -pakke bygget på Matplotlib -biblioteket. Det gir deg en måte å representere dataene i en statistisk grafisk form som er både relevant og tiltalende. En av funksjonene som tilbys av Seaborn er et varmekart, som bruker en fargepalett for å skildre variasjon i koblede data. I Seaborn -modulen kan vi bruke Seaborn.Heatmap () -metode for å lage varmekartediagrammer.

Merknad er tekstlinjer som vises på en varmekartscelle for å beskrive hva en bestemt celle representerer. Fontstørrelsen på merknadene er satt som standard, selv om den kan endres ved hjelp av Annot KWS -parameteren til Heatmap () -metoden. Annot KWS er ​​et alternativ for ordbokstype som krever en verdi for størrelsesnøkkelen. Størrelsen på merknadene bestemmes av verdien som er tilordnet denne nøkkelen. Imidlertid må noen forhold følges for å heve størrelsen på merknadene, som Heatmap () -funksjonens Annot -parameter må settes til sann, og den nødvendige størrelsen for Annot KWS -alternativet må settes.

Syntaks av varmekartet i sjøborn

Seaborn.Heatmap (data, vMin = ingen, vmax = ingen, annot = ingen, annot_kws = true, lineWidths = 0, cbar = none, cbar_kws = none, square = False, xtickLabels = 'auto', yTicklabels = 'auto', maske = Ingen, øks = ingen, kwargs)

Data: Tvinge et 2D -datasett til en ndarray. Indeks/kolonneinformasjon fra en Pandas dataaframe vil bli brukt til å navngi kolonnene og radene.

Vmin, Vmax: Verdier vil bli brukt til å forankre Colormap; Ellers blir de trukket fra datasettet og andre termininnganger.

Annot: Hvis sant, fyll hver celle med dataverdien. Bruk den til å kommentere varmekartet i stedet for dataene hvis det er et matrise-lignende objekt med samme format som data. Dataframes vil bli matchet basert på beliggenhet i stedet for indeks.

fmt: Når du legger til merknader, bruk denne strengformateringskoden.

annot_kws: Når merknaden er sant, sendes nøkkelordparametrene til matplotlib.akser.Akser.tekst().

LineWidths: Avstanden mellom linjene som skal dele hver celle.

CBAR: En boolparameter bestemmer om en fargelinje skal trekkes.

CBAR_AX: Akser som du kan lage fargelinjen; Ellers vil plassen på hovedaksene bli tatt opp.

torget: Juster aksene attributtet til "lik" hvis sant slik at hver celle blir firkantet formet.

Xticklabels, Yticklabels: Grafer datarrammenes kolonnenavn hvis det er sant. Hvis dette er usant, skal ikke kolonnenavnene plottes. Hvis de alternative etikettene er Xticklabels, må du plotte dem som en liste. Bruk feltnavnene hvis nummeret er et heltall, men bare plott det første i etiketter. Hvis du bruker "Auto", kan du prøve å plotte ikke-overlappende etiketter så tett som mulig.

maske: Data vil ikke vises i celler når masken er sann hvis denne parameteren er satt til sann. Maskerte celler er de som har manglende verdier.

øks: Akser for å bygge plottet på; Ellers bruker du de aktive aksene for øyeblikket.

Kwargs: Matplotlib.akser.Akser.Pcolormesh () sendes til alle andre søkeordparametere.

Eksempel 1

Set () -funksjonen etablerer konfigurasjonen og temaet for sjøborn -plottene. Størrelsen på plottet kan identifiseres med RC -alternativet. Vi har definert modulene vi bruker i Python -skriptet i følgende eksempel. Etter dette har vi laget data i en variabel merker og kalt datarammefunksjonen. Datarammefunksjonen har fire studentkolonner der vi har registrert merkene studentene har fått. Vi hadde satt dataene for plottet.

Nå er settfunksjonen definert hvor størrelsen på plottet er nevnt i fiken størrelse. Deretter påberopes sjekaborn -varmekartfunksjonen der Corr -funksjonen blir brukt på merkene. Corr -funksjonen returnerte alle datarammens kolonner som har en parvis korrelasjon.

Importer pandaer som PD
Importer matplotlib.Pyplot som Plt
Importer sjøborn som SNS
Merker = 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.sett (rc = 'figur.Figsørrelse ': (10, 5))
sns .Heatmap (merker.corr ())
plt.forestilling()

Varmekartsplottet er gjengitt med den spesifiserte figurstørrelsen som følger:

Eksempel 2

I Python brukes figuren () metoden for å begynne eller endre gjeldende figur. I dette diagrammet vises varmekartet. Funksjonens fikenparameter kan brukes til å endre størrelsen. Vi må lage data for å generere plottet med den spesifiserte figurstørrelsen. Vi har en dataramme med fire kolonner List1, List2, List3 og List4 og setter inn tilfeldige verdier i dem. Deretter har vi en figur () -metode som vi har definert figurstørrelsen. I det siste trinnet blir Corr -metoden brukt på datarammen ved hjelp av Heatmap -funksjonen.

Importer pandaer som PD
Importer matplotlib.Pyplot som Plt
Importer sjøborn som SNS
Liste = 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.Figur (FigSize = (15, 7))
sns.Heatmap (liste.corr ())
plt.forestilling()

Størrelsen visualiseres i den påfølgende figuren av varmekartsplottet.

Eksempel 3

Her bruker vi Annot og Annot_KWS -parametere for varmekartstørrelsen. Vi har lastet eksemplet datasettet "tips" i alternativet Seaborn Load_DataSet, som er lagret i variable data. Deretter har vi kalt Heatmap -funksjonen og gitt CORR -funksjonen for datasettet. Deretter har vi gitt annotalternativet og satt det som sant. Alternativet Annot_KWS er ​​satt med størrelsen 12.

Importer numpy som NP
Importer sjøborn som SNS
Importer matplotlib.Pyplot som Plt
Data = SNS.LOAD_DATASET ("TIPS")
sns.Heatmap (data.corr (), annot = true, annot_kws = 'størrelse': 12)
plt.forestilling()

Den forrige implementeringen sammenstiller følgende varmekartsplottstørrelse:

Eksempel 4

Når det gjelder å bestemme størrelsen, må hensynet brukes. Når du gir et stort antall, vil merknadene bli forstørret altfor mye, noe som gjør dem umulige å lese og tolke. De kan til og med kollapse over hverandre. Dermed gjengi varmekartet ubrukelig. Vi har valgt datarammen Iris og lastet den inne i LOAD_DATASET -funksjonen. Ring Heatmap -funksjonen der Annot -parameteren er satt til True, og Annot_KWS er ​​satt med størrelsen 20.

Importer matplotlib.Pyplot som Plt
Importer sjøborn som SNS
Data = SNS.LOAD_DATASET ("Iris")
sns.Heatmap (data.corr (), annot = true, annot_kws = 'størrelse': 20)
plt.forestilling()

Derfor visualiseres den resulterende varmekartsplottet med store tall.

Konklusjon

Artikkelens forklaring av sjøborn -varmekartstørrelsen slutter her. For å gi en grafisk skildring av en matrise, brukes et varmekart. Den benytter seg av forskjellige farger for forskjellige verdier og tegner et rutenett på grafen. Vi har vist eksemplene som definerte varmekartstørrelsen med forskjellige tilnærminger. Standard plottstørrelse inkluderer imidlertid ikke et godt databilde som viser en stor matrise.