热图(Heatmap)绘制(matplotlib与seaborn)

热图是数据统计中经常使用的一种数据表示方法，它能够直观地反映数据特征，查看数据总体情况，在诸多领域具有广泛应用。

一：matplotlib绘制方法

1.基础绘制

热图用以表示的是矩阵数据，例如相关阵、协差阵等方阵，也可以不是方阵。所以在处理数据前，我们需要将数据转成二维数组形式(二维列表、二维np.array、np.mat、pd.DataFrame等都可以）。

import matplotlib.pyplot as plt
import numpy as np
data=[[1,0.5,0.7],[0.1,0.2,0.3]]
plt.imshow(data)
plt.show()

利用上述代码即可绘制基础的热图。

2.细节补充

（1）标题：plt.title('标题名',loc=,fontdict=fontdict,rotation=,x=,y=)，绘制标题。

loc：'left'、'center'、'right'，表示标题位置，默认为'center'。

fontdict：设置字体，详见(7)。

rotation：标题逆时针旋转角度，默认为0。

x，y：用于进一步控制标题在画布中的位置。

（2）x轴、y轴坐标：

2.1：plt.xticks()与plt.yticks()。用于xy坐标的绘制，如标签位置、颜色等。

plt.xticks(ticks=,labels['label1','label2','label3'],color='red',rotation=45,veritalalignment=,horizontalalignment=,family=,style=,weight=,bbox=)

ticks：x轴各个标签位置，[0,1,2,...]。

labels：各个标签文本，['label1',label2'...]。

color：字体颜色。

rotation:字逆时针旋转角度。

verticalalignment：'center','top','bottom','baseline'，标签垂直对齐方式。

horizontalalignment：'center','right','left，标签水平对齐方式。(这两种对齐方式可以使图更加整洁，避免标签参差不齐)。

family：设置字体。

style：字体风格。

weight：字体粗细。

bbox：字体边框，如{'facecolor':'red','alpha':0.5}。

2.2：plt.tick_params(axis=,which=,width=,length=,color=,direction=,bottom=,top=,left=,right=,pad=,labelsize=,lanbelbottom=,labeltop=,labelleft=,labelright=)。修改

axis：'x'、'y'、'both'，表示设置哪一坐标轴，默认both。

which：'major'、'minor'、'both'，代表设置主刻度线、副刻度线和同时设置，默认为:'major'。

width,length：刻度线长度与宽度。

color：刻度线颜色。

direction：'in'、'out’、'inout'，表示刻度线在绘图区内、外或同时显示。

bottom,top,left,right：True、False，表示绘图区4个边框线上刻度线是否显示。默认bottom,left为True,其余False。

pad:刻度线与标签之间距离。(可用于防止标签与绘图区重叠）

labelsize：标签字体大小。

labelcolor：标签字体颜色(同2.1中参数color，若2.1中设置color,此处不必设置)。

labelbottom,labeltop,labelleft,labelright：True、False，表示绘图区4个边框上标签是否显示。

（3）数值与颜色对应规则(热图标尺)：plt.colorbar(pad=,location='',orientation=,ticks=,extend=，shrink=,label='标题',format=)

pad：标尺与图之间距离。

location：'left','right','bottom','top'，标尺的位置。

orientation：'horizontal','vertical'，标尺方向。

ticks：列表，如[0,1,2,3..]，显示列表中的刻度。

extend：'max','min','both'，展示标尺尖角。

shrink：值为0~1，标尺长度。

label:给标尺一个标签。

format：标尺上刻度格式，如’%.2f'表示保留两位小数。

（4）色块数值显示：plt.text()。由于该函数只能逐个色块添数值标签，所以需要用循环嵌套方法实现。

for i in range(2):for j in range(3):plt.text(j,i,data[i,j],ha='center',va='center',ha='center',color='white')

在plt.text()中，第一个参数表示x坐标，第二个表示y坐标，第三个为数值标签，ha表示标签水平位置，可以为'left'、'center'、'right'，va表示竖直方向位置，可以为 'top'、 'bottom'、'center'、 'baseline',、center_baseline'。va、ha默认为'center'。color:字体颜色。

（5）热图样式：plt.imshow(data,cmap='coolwarm',origin='upper',aspect='auto')

cmap：表示热图颜色风格，其样式众多，详解附录。

origin：热图(0,0)点位置，可以为‘upper'、’lower'。

aspect：图像长宽比，可以为int或float等数值，auto表示自动匹配。

（6）x轴、y轴标题：plt.xlabel('x title',fontdict=fontdict,rotation=0,loc='center',x=0,y=0)与plt.ylabel('y title',fontdict=fontdict,rotation=0,loc='center',x=0,y=1)

fontdict：设置字体，详解(7)。

rotation：标题旋转。

loc表示标题的位置，xlabel中loc为'left'、'center'、'right'，ylable中：'bottom'、'center'、'top'。

x，y可以进一步控制标题的位置。

（7）标题字体设置：font={style:' ',family:' ',weight:",size: ,color:' '}

style：字体风格

family：字体样式。

weight：字体粗细，可以为数，也可以用'bond'表示粗体。

size：字体大小。

color：字体颜色。

设置好font后，将其传递给plt.title()、plt.xlabel()等函数中的参数fontdict即可。

（8）画布规格：plt.figure(figsize=,dip=)与plt.gcf().subplots_adjust(left=,right=,bottom=,top=)

figsize：画布大小，(x,y)。

dip：图片放大后失真度，一般为300~400。

left,right,bottom,top：画布边界，避免部分图像无法在画布中显示。left,bottom为下界，一般在0附近，right,top为上界，一般接近1。

3.举例

兔兔以dry bean dataset 数据集为例，作相关阵热图。

data=pd.DataFrame(pd.read_csv('Dry_Bean_Dataset.csv')) #获取数据
data=data.corr() #计算相关阵
labelx=data.columns #变量名
labely=data.columns
n=len(labelx) #变量个数
titlefont={'style':None,'family':'fantasy','weight':1,'size':15,'color':'black'} #设置标题字体
labelfont={'style':None,'family':None,'weight':None,'size':12,'color':'red'} #xy标题字体
plt.figure(figsize=(6,6),dpi=100) #图像大小
plt.gcf().subplots_adjust(left=0.25,right=0.95,bottom=0.19,top=0.8) #设置图像边界
plt.imshow(data,cmap='rainbow',origin='lower',aspect=1) #热图样式plt.title('Dry Bean Dataset correlation',fontdict=titlefont,loc='center',y=1.11,rotation=0) #标题
plt.xlabel('$Dry \ bean \ variate$',fontdict=labelfont,loc='center',rotation=0)
plt.ylabel('$Dry \ bean \ variate$',fontdict=labelfont,loc='center',rotation=90)plt.xticks(ticks=np.arange(n),labels=labelx,rotation=45,color='green',horizontalalignment='right')
plt.yticks(ticks=np.arange(n),labels=labely,rotation=0,color='blue',verticalalignment='bottom')
plt.tick_params(axis='both',which='minor',width=2,length=3,color='blue',pad=20,labelsize=9,direction='out')
plt.colorbar(pad=0.09,orientation='vertical',ticks=None,label=None,extend='max',shrink=0.8,location='right') #热力标尺
plt.tight_layout()
plt.show()

二：seaborn绘制方法

1.基础绘制

与matplotlib相比，seaborn绘制热图简便许多，很多在matplotlib中逐步实现的过程在seaborn中可以直接实现,但是有些功能也需要借助matplotlib，所以实际应用时可以将二者结合起来。

import seaborn as sns
import matplotlib.pyplot as plt
data=[[1,2,3],[4,5,6]]
sns.heatmap(data)
plt.show()

2.细节补充

（1）sns.heatmap(data=,cmap=,annot=,cbar=,fmt=,linewidth=,linecolor=,xlabelticks=,ylabelticks=,vmax=,vmin=,annot_kws=cbar_kws=,mask=,center= )

cmap：热图颜色风格，与matplotlib中cmap相同，详解附录。

annot：True,False，是否显示数值注释,默认为False。

cbar：True,False 是否显示标尺，默认为True。

linewidth：每个小方格之间的间距。

linecolor：分割线的颜色。

xlabelticks,ylabelticks：热图标签，['label1',label2',....]，若data为pd.DataFrame且设置好columns与index，则直接显示标签，可以不用此参数。

vmax,vmin：标尺中最大值与最小值显示值。

annot_kws：{'color':' ','size': ,'family':' ','style':' ','weight': ,......}，单元格数值标签属性。与matplotlib中字体设置的各个参数、值是一致的，这里以字典形式输入。

cbar_kws:{'orientation':' ','shrink': ' ' ,'extend:' ','location':' ',......}标尺设置。与matplotlib中colorcar()中的各个参数、值是一致的，在这里以字典的形式输入。

mask：True,False，或布尔矩阵mask(与热图数据维数相同，值为Ture,False或0，1等数字的二维数组)。默认为False，Ture则不显示数据。对于矩阵mask，若对应位置为False，则显示该数据。

center：将数据设置为均值数据，调整生成图像颜色的整体深浅。

3.举例

import matplotlib.pyplot as plt
import seaborn as sns
import pandas as pd
data=pd.DataFrame(pd.read_csv('Dry_Bean_Dataset.csv'))
data=data.corr()
plt.title('Dry bean dataset',rotation=0)
mask=np.ones((16,16))
for i in range(16):for j in range(i+1):mask[i,j]=0
sns.heatmap(data=data,cmap='YlGnBu',annot=True,linewidth=0.9,linecolor='white',cbar=True,vmax=None,vmin=None,center=0,square=True,mask=mask,robust=True,annot_kws={'color':'white','size':1,'family':None,'style':None,'weight':10},cbar_kws={'orientation':'vertical','shrink':1,'extend':'max','location':'right'})
plt.show()

附录：

1.cmap参数值(热图颜色风格)

'Accent', 'Accent_r', 'Blues', 'Blues_r', 'BrBG', 'BrBG_r', 'BuGn', 'BuGn_r', 'BuPu', 'BuPu_r', 'CMRmap','CMRmap_r', 'Dark2', 'Dark2_r', 'GnBu', 'GnBu_r', 'Greens', 'Greens_r', 'Greys', 'Greys_r', 'OrRd', 'OrRd_r', 'Oranges', 'Oranges_r','PRGn', 'PRGn_r', 'Paired', 'Paired_r', 'Pastel1', 'Pastel1_r', 'Pastel2', 'Pastel2_r', 'PiYG', 'PiYG_r', 'PuBu', 'PuBuGn', 'PuBuGn_r','PuBu_r', 'PuOr', 'PuOr_r', 'PuRd', 'PuRd_r', 'Purples', 'Purples_r', 'RdBu', 'RdBu_r', 'RdGy', 'RdGy_r', 'RdPu', 'RdPu_r','RdYlBu', 'RdYlBu_r', 'RdYlGn', 'RdYlGn_r', 'Reds', 'Reds_r', 'Set1', 'Set1_r', 'Set2', 'Set2_r', 'Set3', 'Set3_r', 'Spectral','Spectral_r', 'Wistia', 'Wistia_r', 'YlGn', 'YlGnBu', 'YlGnBu_r', 'YlGn_r', 'YlOrBr', 'YlOrBr_r', 'YlOrRd', 'YlOrRd_r', 'afmhot','afmhot_r', 'autumn', 'autumn_r', 'binary', 'binary_r', 'bone', 'bone_r', 'brg', 'brg_r', 'bwr', 'bwr_r', 'cividis', 'cividis_r','cool', 'cool_r', 'coolwarm', 'coolwarm_r', 'copper', 'copper_r', 'cubehelix', 'cubehelix_r', 'flag', 'flag_r', 'gist_earth', 'gist_earth_r','gist_gray', 'gist_gray_r', 'gist_heat', 'gist_heat_r', 'gist_ncar', 'gist_ncar_r', 'gist_rainbow', 'gist_rainbow_r', 'gist_stern','gist_stern_r', 'gist_yarg', 'gist_yarg_r', 'gnuplot', 'gnuplot2', 'gnuplot2_r', 'gnuplot_r', 'gray', 'gray_r', 'hot','hot_r', 'hsv', 'hsv_r', 'inferno', 'inferno_r', 'jet', 'jet_r', 'magma', 'magma_r', 'nipy_spectral', 'nipy_spectral_r', 'ocean','ocean_r', 'pink', 'pink_r', 'plasma', 'plasma_r', 'prism', 'prism_r', 'rainbow', 'rainbow_r', 'seismic', 'seismic_r', 'spring', 'spring_r', 'summer', 'summer_r', 'tab10', 'tab10_r', 'tab20', 'tab20_r', 'tab20b', 'tab20b_r', 'tab20c', 'tab20c_r', 'terrain', 'terrain_r', 'turbo', 'turbo_r', 'twilight', 'twilight_r', 'twilight_shifted','twilight_shifted_r', 'viridis', 'viridis_r', 'winter', 'winter_r',......