Seaborn è un pacchetto Python di visualizzazione dei dati basato sulla libreria Matplotlib. Ti dà un modo per rappresentare i dati in una forma grafica statistica che è sia pertinente che attraente. Una delle caratteristiche offerte da Seaborn è una mappa di calore, che utilizza una tavolozza di colori per rappresentare la variazione nei dati collegati. Nel modulo Seaborn, possiamo usare il Seaborn.Metodo HeatMap () per realizzare grafici di mappa di calore.

Le annotazioni sono linee di testo che appaiono su una cella di mappa di calore per descrivere ciò che rappresenta una particolare cella. La dimensione del carattere delle annotazioni è impostata per impostazione predefinita, sebbene possa essere modificata utilizzando il parametro KWS annot del metodo HeatMap (). ANNOT KWS è un'opzione di tipo di dizionario che richiede un valore per il tasto dimensioni. La dimensione delle annotazioni è determinata dal valore assegnato a questa chiave. Tuttavia, alcune condizioni devono essere seguite per aumentare le dimensioni delle annotazioni, come il parametro di annot della funzione HeatMap () deve essere impostato su True e la dimensione richiesta per l'opzione ANNOT KWS deve essere impostata.

Sintassi della mappa di calore in Seaborn

Seaborn.HeatMap (Data, Vmin = Nessuno, Vmax = Nessuno, annot = Nessuno, annot_kws = true, Linewidths = 0, cbar = Nessuno, cbar_kws = nessuno, quadrato = false, xtticklabels = 'auto', yticklabels = 'auto', mask = Nessuno, ax = nessuno, kwargs)

Dati: Costringere un set di dati 2D in un ndarray. Le informazioni sull'indice/colonna da un frame dati Panda verranno utilizzate per nominare le colonne e le righe.

VMIN, VMAX: I valori verranno usati per ancorare il Colormap; Altrimenti, verranno detratti dal set di dati e altri input a termine.

annot: Se vero, riempire ogni cella con il valore dei dati. Usalo per annotare la mappa di calore anziché i dati se si tratta di un oggetto simile a un array con lo stesso formato dei dati. I dati dei dati saranno abbinati in base alla posizione piuttosto che all'indice.

fmt: Quando si aggiungono annotazioni, utilizzare questo codice di formattazione stringa.

annot_kws: Quando l'annot è vero, i parametri della parola chiave vengono passati al matplotlib.asce.Asce.testo().

Linee: La distanza tra le linee che dovrebbero dividere ogni cella.

cbar: Un parametro bool decide se è necessario disegnare un colorbar.

cbar_ax: Assi da cui creare il colorbar; Altrimenti, lo spazio sugli assi principali verrà occupato.

piazza: Regolare l'attributo degli assi su "uguale" se vero in modo che ogni cella riceva a forma di quadrato.

Xticklabels, yticklabels: Grafico i nomi delle colonne del frame di dati se vero. Se questo è falso, i nomi delle colonne non devono essere tracciati. Se le etichette alternative sono Xticklabels, tracciale come un elenco. Usa i nomi dei campi se il numero è un numero intero, ma traccia solo il primo in etichette. Se stai usando "Auto", prova a tracciare le etichette non sovrapposte nel modo più densamente possibile.

maschera: I dati non verranno visualizzati nelle celle quando la maschera è vera se questo parametro è impostato su True. Le cellule mascherate sono quelle che hanno valori mancanti.

ascia: Assi su cui costruire la trama; Altrimenti, utilizzare gli assi attualmente attivi.

Kwargs: Matplotlib.asce.Asce.pcolormesh () viene passato a tutti gli altri parametri delle parole chiave.

Esempio 1

La funzione set () stabilisce la configurazione e il tema delle trame di Seaborn. La dimensione della trama può essere identificata con l'opzione RC. Abbiamo definito i moduli che utilizzeremo nello script Python nell'esempio seguente. Successivamente, abbiamo creato dati all'interno di un marchio variabile e chiamato la funzione del frame dati. La funzione Frame di dati ha quattro colonne studentesche in cui abbiamo registrato i segni che gli studenti hanno ottenuto. Avevamo impostato i dati per la trama.

Ora, la funzione set è definita dove la dimensione del diagramma è menzionata nel figo. Quindi, la funzione di mappa di calore di Seaborn viene invocata dove viene applicata la funzione Corring sui segni. La funzione Corr ha restituito tutte le colonne del frame di dati che hanno una correlazione a coppie.

Importa panda come PD
Importa matplotlib.Pyplot come Plt
Importa Seaborn come SNS
segni = pd.DataFrame ("Student 1": [6, 3, 1, 7, 3, 10, 5, 4],
"Studente 2": [3, 7, 2, 1, 8, 2, 4, 2],
"Student3": [1, 6, 9, 8, 6, 4, 9, 3],
"Studente 4": [5, 5, 1, 9, 4, 7, 8, 3])
SNS.set (rc = 'figura.figsize ': (10, 5))
SNS .Heatmap (segni.corr ())
Plt.spettacolo()

Il diagramma della mappa di calore viene reso con la dimensione della figura specificata come segue:

Esempio 2

In Python, il metodo figure () viene utilizzato per iniziare o modificare la figura corrente. In questo diagramma, viene mostrata la mappa di calore. Il parametro figsize della funzione può essere utilizzato per modificare la dimensione. Dobbiamo creare dati per generare il grafico con la dimensione della figura specificata. Abbiamo un frame di dati di quattro colonne List1, List2, List3 ed List4 e i valori casuali inseriti in essi. Quindi, abbiamo un metodo figure () all'interno del quale abbiamo definito la dimensione della figura. Nell'ultimo passaggio, il metodo Corr viene applicato alla cornice di dati utilizzando la funzione di mappa di calore.

Importa panda come PD
Importa matplotlib.Pyplot come Plt
Importa Seaborn come SNS
Elenco = pd.DataFrame ("Elenco 1": [5, 8, 9, 5, 1, 7, 8, 9],
"Elenco 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.Figura (Figsize = (15, 7))
SNS.Heatmap (elenco.corr ())
Plt.spettacolo()

La dimensione è visualizzata nella figura successiva del diagramma di mappa di calore.

Esempio 3

Qui, utilizziamo i parametri annot e annot_kws per la dimensione della mappa di calore. Abbiamo caricato il set di dati di campionamento "suggerimenti" nell'opzione Seaborn load_dataset, che è memorizzata nei dati variabili. Quindi, abbiamo chiamato la funzione HeatMap e fornito la funzione Corr per il set di dati. Quindi, abbiamo fornito l'opzione annot e impostato come vero. L'opzione annot_kws è impostata con la dimensione 12.

Importa Numpy come NP
Importa Seaborn come SNS
Importa matplotlib.Pyplot come Plt
Data = SNS.load_dataset ("suggerimenti")
SNS.Matma di calore (dati.corr (), annot = true, annot_kws = 'size': 12)
Plt.spettacolo()

L'implementazione precedente compila la seguente dimensione del diagramma della mappa di calore:

Esempio 4

Quando si tratta di determinare la dimensione, è necessario utilizzare la considerazione. Quando fornisci un numero enorme, le annotazioni saranno ingrandita troppo, rendendole impossibili da leggere e interpretare. Possono persino crollare l'uno sull'altro. Pertanto, rendere inutilizzabile la mappa del calore. Abbiamo scelto il frame di dati iris e lo abbiamo caricato all'interno della funzione load_dataset. Chiama la funzione HeatMap in cui il parametro annot è impostato su true e annot_kws è impostato con la dimensione 20.

Importa matplotlib.Pyplot come Plt
Importa Seaborn come SNS
Data = SNS.load_dataset ("iris")
SNS.Matma di calore (dati.corr (), annot = true, annot_kws = 'size': 20)
Plt.spettacolo()

Quindi, il diagramma di mappa di calore risultante viene visualizzato con grandi numeri.

Conclusione

La spiegazione dell'articolo della dimensione della mappa di calore del Seaborn termina qui. Per fornire una rappresentazione grafica di una matrice, viene impiegata una mappa di calore. Impiega tonalità di colore diverse per valori diversi e disegna una griglia sul grafico. Abbiamo mostrato gli esempi che hanno definito la dimensione della mappa di calore con approcci diversi. Tuttavia, la dimensione del diagramma predefinita potrebbe non includere una buona immagine di dati che raffigura una matrice di grandi dimensioni.