seaborn.heatmap

seaborn.heatmap

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 ）

绘制矩形数据作为颜色编码矩阵。

这是一个轴级别的函数，如果没有为ax参数提供热图，则会将热图绘制到当前活动的轴中。除非cbar 是False或为提供单独的Axes ，否则将占用此Axes空间的一部分并将其用于绘制颜色图cbar_ax。

参量
data ： 矩形数据集可以强制为ndarray的2D数据集。如果提供了Pandas DataFrame，则索引/列信息将用于标记列和行。
vmin，vmax ：浮点数，可选锚定颜色图的值，否则从数据和其他关键字参数推断出它们。
cmap ： matplotlib颜色图名称或对象，或颜色列表，可选从数据值到色彩空间的映射。如果未提供，则默认值取决于是否设置。
center ： 浮点数，可选绘制不同数据时将颜色图居中的值。cmap如果未指定，则使用此参数将更改默认值。
robust ： 布尔值，可选如果没有True和vminor vmax，则使用稳健的分位数而不是极值来计算颜色图范围。
annot ： 布尔或矩形的数据集，可选如果为True，则在每个单元格中写入数据值。如果形状与相同的类似数组的数组data，请使用它来注释热图而不是数据。请注意，DataFrame将在位置而不是索引上匹配。
fmt ： 字符串，可选添加注释时要使用的字符串格式代码。
annot_kws ：关键字值映射，可选
linewidths：浮点数，可选将划分每个单元格的线的宽度。
linecolor： 颜色，可选将划分每个单元格的线的颜色。
cbar ：布尔值，可选是否绘制颜色条。
cbar_kws：键、值映射，可选 fig.colorbar的关键字参数。
cbar_ax ： matplotlib轴，可选在其中绘制颜色栏的轴，否则从主轴上占用空间。
square：布尔值，可选如果为True，则将“轴”纵横比设置为“相等”，以便每个单元格为正方形。
xticklabels，yticklabels： “ auto”，布尔值，类似列表或int的，可选如果为True，则绘制数据框的列名称。如果为False，则不要绘制列名。如果类似列表，则将这些替代标签绘制为xticklabel。如果是整数，请使用列名称，但仅绘制每n个标签。如果为“自动”，请尝试密集绘制不重叠的标签。
mask ：布尔数组或DataFrame，可选如果通过，数据将不会显示在mask为True的单元格中。缺少值的单元格将被自动屏蔽。
ax：matplotlib Axes,，可选在其中绘制绘图的轴，否则使用当前活动的轴。
kwargs ：其他关键字参数所有其他关键字参数都传递给 matplotlib.axes.Axes.pcolormesh()。

返回 axmatplotlib Axes 使用热图轴对象。

也可以看看 clustermap使用层次聚类绘制矩阵以排列行和列。

例子

绘制一个numpy数组的热图：

import numpy as np; np.random.seed(0)
import seaborn as sns; sns.set()
uniform_data = np.random.rand(10, 12)
ax = sns.heatmap(uniform_data)

更改颜色图的限制：

ax = sns.heatmap(uniform_data, vmin=0, vmax=1)

用发散的颜色图绘制以0为中心的数据的热图：

normal_data = np.random.randn(10, 12)
ax = sns.heatmap(normal_data, center=0)

绘制具有有意义的行和列标签的数据框：

flights = sns.load_dataset("flights")
flights = flights.pivot("month", "year", "passengers")
ax = sns.heatmap(flights)

使用整数格式用数字值注释每个单元格：

ax = sns.heatmap(flights, annot=True, fmt="d")

在每个单元格之间添加行：

ax = sns.heatmap(flights, linewidths=.5)

使用其他颜色图：

ax = sns.heatmap(flights, cmap="YlGnBu")

将颜色图居中于特定值：

ax = sns.heatmap(flights, center=flights.loc["January", 1955])

绘制其他所有列标签，而不绘制行标签：

data = np.random.randn(50, 20)
ax = sns.heatmap(data, xticklabels=2, yticklabels=False)

不要绘制颜色条：

ax = sns.heatmap(flights, cbar=False)

对颜色栏使用不同的轴：

grid_kws = {"height_ratios": (.9, .05), "hspace": .3}
f, (ax, cbar_ax) = plt.subplots(2, gridspec_kw=grid_kws)
ax = sns.heatmap(flights, ax=ax,
...                 cbar_ax=cbar_ax,
...                 cbar_kws={"orientation": "horizontal"})

使用遮罩仅绘制矩阵的一部分

corr = np.corrcoef(np.random.randn(10, 200))
mask = np.zeros_like(corr)
mask[np.triu_indices_from(mask)] = True
with sns.axes_style("white"):
     f, ax = plt.subplots(figsize=(7, 5))
     ax = sns.heatmap(corr, mask=mask, vmax=.3, square=True)

回到顶部

生物信息学

seaborn.heatmap — seaborn 0.10.0 documentation

seaborn.heatmap