当前位置：首页 > news >正文

【Python可视化系列】一文教会你绘制美观的热力图（理论+源码）

news 2025/9/17 9:36:57

一、问题

前文相关回顾：

【Python可视化系列】一文彻底教会你绘制美观的折线图（理论+源码）

【Python可视化系列】一文教会你绘制美观的柱状图（理论+源码）

【Python可视化系列】一文教会你绘制美观的直方图（理论+源码）

本文将总结热力图的绘制方法。热力图（Heatmap）是一种可视化工具，用于展示矩阵数据的模式和关联性。在热力图中，数据的值通过颜色的变化来表示，通常使用渐变色的色阶来表示数据的大小。

二、基本热力图

2.1 seaborn.heatmap()参数详解

seaborn.heatmap(data, vmin=None, vmax=None, cmap=None, center=None, robust=False, annot=None, fmt='.2g', 
annot_kws=None,linewidths=0, linecolor='white', cbar=True, cbar_kws=None, cbar_ax=None, square=False, 
xticklabels='auto', yticklabels='auto',mask=None, ax=None, **kwargs)data：矩阵数据集，可以使numpy的数组（array），如果是pandas的dataframe，则df的index/column信息会分别对应到heatmap的columns和rows
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colormap对象，用于热力图的填充色
center：指定颜色中心值，通过该参数可以调整热力图的颜色深浅
annot：指定一个bool类型的值或与data参数形状一样的数组，如果为True，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
linewidths ：指定每个单元格的边框宽度
linecolor：指定每个单元格的边框颜色
cbar：bool类型参数，是否用颜色条作为图例，默认为True
square：bool类型参数，是否使热力图的每个单元格为正方形，默认为False
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True，则分别以数据框的变量名和行名称作为刻度标签
mask：用于突出显示某些数据
ax：用于指定子图的位置

用的比较多的参数是data、annot、fmt、xticklabels,yticklabels

2.2 基于矩阵绘制热力图

import numpy as np
import seaborn as sns
import matplotlib.pyplot as pltnp.random.seed(0)
values = np.random.rand(10, 12)  # 自定义数据x_ticks = ['x1', 'x2', 'x3', 'x4', 'x5', 'x6', 'x7', 'x8', 'x9', 'x10', 'x11', 'x12']
y_ticks = ['y1', 'y2', 'y3', 'y4', 'y5', 'y6', 'y7', 'y8', 'y9', 'y10']  # 自定义横纵轴
ax = sns.heatmap(values, xticklabels=x_ticks, yticklabels=y_ticks, annot=True,fmt ='0.2g')
ax.set_title('Heatmap')  # 图标题
ax.set_xlabel('x label')  # x轴标题
ax.set_ylabel('y label')
plt.show()
# figure = ax.get_figure()
# figure.savefig('sns_heatmap.jpg')  # 保存图片

矩阵数据集如下：

对应的热力图如下：

三、相关性热力图

3.1 准备数据

import pandas as pd
data = pd.read_csv(r'E:\数据杂坛\\UCI Heart Disease Dataset.csv')
df = pd.DataFrame(data)

dataframe数据如下：

3.2 绘制dataframe的相关性热力图

sns.set(font_scale=1.2)
plt.rc('font',family=['Times New Roman', 'SimSun'], size=12)
plt.subplots_adjust()
ax = sns.heatmap(df.corr(), annot=True, fmt=".2f")
ax.set_title('相关性热力图')  # 图标题
plt.xticks(rotation=45)
plt.tight_layout()
plt.show()
# figure = ax.get_figure()
# figure.savefig('sns_heatmap.jpg', bbox_inches='tight')