这个heatmap用的很多，但是对于它的用法没有好好总结过，因此也比较生疏，每次用都得去查文档。

    1. 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)¶
    2. • 1

    总共有20个参数，肯定不是要我们记住的，而且这里的参数除了data以外，其他的都有默认值，所以首先会用基础的，知道怎么传递data是第一步。
    上来就一一介绍参数的含义，只会有一种幻觉，感觉自己提升了，但是对于使用并无太大帮助。
    不如先用最简单的，其实也是最核心的，这里的data是最复杂的参数了，其他的只是用来装饰热力图的。
    我们举个例子：

    1. import seaborn as sns
    2. import numpy as np
    3. data = np.array([[1,2,3],[4,5,6],[7,8,9]])
    4. sns.heatmap(data,annot=True)
    5. • 1
    6. • 2
    7. • 3
    8. • 4
    9. • 5

    热力图就是把这个二维的数组的数字用热力图的颜色值来表示，数字是一模一样的
    sns.heatmap的用法简介 - 图1
    这里的data，如果接收的是干干净净的numpy二维数组的话，可以看到行标就是0,1,2，如果是DataFrame，就可以用列名来标记了
    比如：
    sns.heatmap的用法简介 - 图2
    也就是说，这个热力图的用途吧，就是可视化一下已经有的数字，对于Kaggle中常见的xxx.csv文件，得到的data.corr()有很强的可视化效果。
    现在，我们再来看看剩下的参数的用法，进一步美化一下热力图，凸显数值显示的效果。

    • annot: 默认为False，为True的话，会在格子上显示数字
    • vmax, vmin: 热力图颜色取值的最大值，最小值，默认会从data中推导