一文弄懂 Seaborn 绘制热力图

热力图是一种用于数据可视化的强大工具，能够直观地展示数值数据在二维表格中的分布情况。本文将详细讲解如何使用 Seaborn 绘制热力图，并配以代码示例和图解，帮助你快速掌握热力图的使用。

一、什么是热力图？

热力图是一种通过颜色变化来表示数值大小的二维图表，常用于相关性分析、矩阵数据展示等场景。例如：

• 展示特征之间的相关性。
• 可视化某些值的分布。

二、安装 Seaborn

如果尚未安装 Seaborn，可以使用以下命令进行安装：

pip install seaborn

三、绘制热力图的基本步骤

3.1 导入必要库

import seaborn as sns
import matplotlib.pyplot as plt
import numpy as np
import pandas as pd

3.2 准备数据

示例数据：随机生成矩阵

# 生成随机数据
data = np.random.rand(10, 10)  # 10x10 矩阵
columns = [f"Feature {i+1}" for i in range(10)]
index = [f"Sample {i+1}" for i in range(10)]

# 转换为 Pandas DataFrame
df = pd.DataFrame(data, columns=columns, index=index)
print(df.head())

3.3 使用 Seaborn 绘制基本热力图

绘制基本热力图

plt.figure(figsize=(10, 8))
sns.heatmap(df, cmap="viridis")
plt.title("Basic Heatmap")
plt.show()

代码说明

• sns.heatmap：绘制热力图。
• cmap：颜色映射表，可以选择 viridis、coolwarm、Blues 等。

四、热力图的高级功能

4.1 显示数据值

通过 annot=True 参数，可以在每个格子中显示数据值：

plt.figure(figsize=(10, 8))
sns.heatmap(df, cmap="coolwarm", annot=True, fmt=".2f")
plt.title("Heatmap with Values")
plt.show()

代码说明

• annot=True：显示每个单元格的值。
• fmt=".2f"：数值格式化为两位小数。

4.2 添加颜色条

通过 cbar=True 参数，可以添加颜色条：

plt.figure(figsize=(10, 8))
sns.heatmap(df, cmap="YlGnBu", cbar=True)
plt.title("Heatmap with Color Bar")
plt.show()

4.3 调整坐标轴标签

使用 xticklabels 和 yticklabels 调整或旋转坐标轴标签：

plt.figure(figsize=(10, 8))
sns.heatmap(df, cmap="coolwarm", xticklabels=2, yticklabels=2)
plt.title("Heatmap with Adjusted Labels")
plt.show()

代码说明

• xticklabels 和 yticklabels：设置标签间隔。例如，2 表示每隔两列/行显示一次标签。

4.4 屏蔽上三角或下三角

在某些场景中（如相关性矩阵），只需显示矩阵的一部分：

# 生成对称矩阵（示例：相关性矩阵）
correlation_matrix = np.corrcoef(data)
mask = np.triu(np.ones_like(correlation_matrix, dtype=bool))  # 上三角为 True

plt.figure(figsize=(10, 8))
sns.heatmap(correlation_matrix, mask=mask, cmap="coolwarm", annot=True, fmt=".2f")
plt.title("Heatmap with Masked Upper Triangle")
plt.show()

五、热力图实战案例

5.1 相关性分析

# 示例数据
tips = sns.load_dataset("tips")

# 计算相关性矩阵
corr = tips.corr()

# 绘制相关性热力图
plt.figure(figsize=(10, 8))
sns.heatmap(corr, annot=True, cmap="coolwarm", fmt=".2f", linewidths=0.5)
plt.title("Correlation Heatmap")
plt.show()

示例解释

• 数据集 tips 包含小费数据。
• corr() 用于计算特征间的相关性矩阵。
• 热力图显示特征之间的线性相关性。

六、常用参数汇总

七、总结

Seaborn 的热力图功能强大，适用于多种场景的数据可视化。本文从基础到高级、再到实战案例，详细讲解了热力图的各种功能。掌握这些技巧后，你可以轻松使用热力图直观地展示数据分布与关系。

学习要点：

1. 基础用法：快速绘制热力图，理解其结构。
2. 参数调节：通过调整 annot、cmap 等参数优化热力图。
3. 实战案例：应用于相关性分析等实际任务。

快动手试试，用 Seaborn 绘制属于你的精美热力图吧！