Matplotlib Heat Map

Le mappe di calore sono grafici colorati che visualizzano set di dati in modo bidimensionale. Per mostrare diversi dettagli, le mappe dei colori utilizzano tono, intensità o luminosità per indurre la variabilità. Questa tavolozza di colori fornisce al pubblico segnali visivi sull'ampiezza dei valori quantitativi. Quindi il cervello umano percepisce le immagini meglio delle figure, del testo o altre informazioni scritte; Le mappe di calore sembrano essere in sostituzione dei numeri con le tonalità.

Poiché gli umani sono studenti uditivi, ha molto più senso rappresentare i dati in qualsiasi formato. Le mappe di calore sono rappresentazioni visive di dati che sono semplici da interpretare. Le mappe di calore potrebbero rappresentare temi, variazioni e persino aberrazioni e illustrare la saturazione o la luminosità delle variabili. Le relazioni tra le variabili possono essere raffigurate usando le mappe di calore.

Su entrambe le dimensioni, tutti gli elementi vengono visualizzati. Le mappe di calore non hanno la loro funzionalità in matplotlib, in modo da poterli fare con il metodo imshow. Una tonalità specifica esprime ogni elemento di una matrice in una mappa di calore matplotlib. In questo articolo esamineremo Matplotlib.

Usa la funzione IMSHOW di Matplotlib per creare una semplice mappa di calore:

La funzione imshow in python può creare una mappa di calore in matplotlib. È possibile utilizzare sia un set di dati randomizzato che un set di dati definito. Successivamente, applichiamo la funzione IMShow, passiamo i dati, il valore di CoLormap e la tecnica di interpolazione (questo metodo aiuta a migliorare la qualità dell'immagine se utilizzato).

Per un buon contrasto contro la tonalità del pannello, le iscrizioni saranno colorate in modo diverso in base a un limite. Quindi, spegniamo le spine assiali adiacenti e dividiamo i cluster con una griglia. L'output per il codice sopra attaccato può essere compreso nello screenshot sotto.

Mamap di calore con istogramma 2D usando imshow:

Una mappa di calore è una visualizzazione a matrice di colori dei dati rettangolari. Accetta un array 2D. Un ndarray può essere creato da quei dati. Poiché può illustrare la relazione tra diverse variabili, questo è un approccio utile per visualizzare set di dati.

Qui creeremo un istogramma 2-D usando il metodo Imshow di Numpy e Matplotlib. Selezioneremo prima un set di dati casuale, quindi lo invieremo al metodo Histogram2D della libreria Numpy. Successivamente, l'interfaccia Visual Completa Heatmap viene visualizzata utilizzando il metodo IMSHOW. L'output per il codice sopra attaccato può essere compreso nello screenshot sotto.

Questo grafico della mappa di calore è costruito su un numero casuale generato da numpy.

Usa matplotlib per aggiungere una colorbar a una mappa di calore:

Il colorbar è una scala semplice che ci aiuta a comprendere quale colore corrisponde a quale valore. Matplotlib ha anche una funzione diretta per applicare una barra dei colori alla trama.

Il metodo PCOLORMESH verrebbe utilizzato in terza istanza di questo articolo. I metodi di meshgrid e lince di Numpy sono necessari per creare questa forma di mappa di calore. Ora la prossima fase sarebbe usare le operazioni matematiche di base per determinare i limiti superiore e inferiore della trama.

Per visualizzare le mappe di calore con il metodo PCOLORMESH, dobbiamo utilizzare la tecnica delle sottotrame. Il set di dati per i parametri selezionati forniti nel metodo PCOLORMESH viene creato con il modulo Linspace di Numpy.

Un set di dati casuale viene utilizzato nel grafico colorato di calore qui. Questa volta impiega una mappa a colori multipli (CMAP), usando lo schema "blu", che è interamente composto da colori blu. L'output per il codice sopra attaccato può essere compreso nello screenshot sotto.

Utilizziamo una mappa di calore per osservare l'associazione tra set di più elementi. Il matplotlib di calore con colorbar è mostrato in questo grafico.

Etichettata di calore:

Vorremmo scrivere un codice per generare una mappa di calore specifica per più set di dati e/o dimensioni in questo passaggio. Costruiamo un metodo che accetta il set di dati e i nomi di riga e colonna come argomento e parametri per modificare la trama.

Oltre ai suddetti, vorremmo aggiungere una colorbar e impostare le didascalie appena sopra la mappa di calore piuttosto che sotto di essa.

Questa istanza dimostra come creare mappe di calore annotate con il metodo IMShow. Il grafico dei dati della mappa termica è lo stesso; Tuttavia, lo stile visivo cambia. Il set di dati per la mappa di calore è fornito come un array e possiamo disegnare un mappa di calore annotato usando le sottotrame e i metodi IMShow.

La libreria Matplotlib viene prima importata. Inizieremo descrivendo dati specifici. È richiesto un elenco o un array 2D che definisce i valori a un colore specifico. Quindi inizializzare gli elenchi o le matrici di categorie, con l'insieme di elementi in ciascuna corrispondente ai valori lungo tutti i corrispondenti assi.

Qui inizializzeremo due array. I nomi delle verdure sono rappresentati in un array e i nomi dei paesi sono rappresentati nel secondo array.

La mappa di calore è un grafico imshow con etichette corrispondenti alle classificazioni che ora abbiamo. Inoltre, usando un ciclo per, possiamo identificare gli assi X e Y. Alla fine, potremmo contrassegnare i dati inserendo un testo in ogni cella che visualizza il valore della cella. L'output per il codice sopra attaccato può essere compreso nello screenshot sotto.

Questa produzione raffigura la produzione di vari verdure in vari paesi.

Conclusione:

Una mappa di calore è uno strumento visivamente accattivante per determinare la luminosità dei dati. Utilizza una varietà di colori e motivi per esprimere il contenuto. In questo articolo di Matplotlib HeatMap, ti abbiamo mostrato come creare una mappa di calore usando matplotlib. Sono spiegate diverse funzioni che aiutano nella creazione di mappe di calore. Vengono inoltre introdotte le funzioni IMShow e PColormesh.

Le mappe di calore possono essere utilizzate per analizzare e visualizzare i dati in modo efficace. Dobbiamo utilizzare il metodo IMShow con gli argomenti CMAP e interpolati per realizzare mappe di calore utilizzando MatplotLib. I data scientist usano frequentemente mappe di calore per esaminare la relazione tra vari aspetti dei dati.