Seaborn是基於matplotlib的Python可視化庫。它提供了一個高級界面來繪製有吸引力的統計圖形。Seaborn其實是在matplotlib的基礎上進行了更高級的API封裝，從而使得作圖更加容易，不需要經過大量的調整就能使你的圖變得精緻。
註：所有代碼均在IPython notebook中實現
· 正 · 文 · 來 · 啦 ·
heatmap 熱力圖熱力圖在實際中常用於展示一組變量的相關係數矩陣，在展示列聯表的數據分布上也有較大的用途，通過熱力圖我們可以非常直觀地感受到數值大小的差異狀況。heatmap的API如下所示：
下面將演示這些主要參數的用法，第一件事還是先導入相關的packages。
1import seaborn as sns
2%matplotlib inline
3sns.set(font_scale=1.5)
本次演示採用的數據集是Seaborn中內置的flights航班數據集：
1
2data=sns.load_dataset("flights")\
3 .pivot("month","year","passengers")
4data.head()
如上圖所示，dataframe中的數據代表了1949年-1960年每個月的航班乘客數量，接下來熱力圖就隆重登場啦！
1sns.set_context({"figure.figsize":(8,8)})
2sns.heatmap(data=data,square=True)
3
4
熱力圖的右側是顏色帶，上面代表了數值到顏色的映射，數值由小到大對應色彩由暗到亮。從上面的heatmap中我們可以得到兩層信息，一是隨著時間的推移，飛機的乘客數量是在逐步增多的，二是航班的乘坐旺季在七月和八月份。下面就具體的參數進行演示。
vmax：設置顏色帶的最大值
vmin：設置顏色帶的最小值
1sns.heatmap(data=data,vmin=200,
2 vmax=500)
可以看到右側的顏色帶最大最小值變了，而heatmap中顏色映射關係也會隨之調整，將本圖和上面的圖進行對比便一目了然。
1sns.heatmap(data=data,cmap="RdBu_r")
好像變好看了?
center：設置顏色帶的分界線
1sns.heatmap(data=data,cmap="RdBu_r",
2 center=300)
細心的朋友可以察覺到顏色帶上色彩兩級的分界線變成了300
1sns.heatmap(data=data,annot=True,
2 cmap="RdBu_r")
怎麼回事？亂碼了嗎？其實數值注釋默認顯示的是科學記數法的數值，我們得把數值進行格式化，這就用到了下面的參數。
fmt：format的縮寫，設置數值的格式化形式
1sns.heatmap(data=data,annot=True,
2 fmt="d",cmap="RdBu_r")
3
linewidths：控制每個小方格之間的間距
1sns.heatmap(data=data,annot=True,
2 fmt="d",linewidths=0.3,
3 cmap="RdBu_r")
4
linecolor：控制分割線的顏色
1sns.heatmap(data=data,annot=True,
2 fmt="d",linewidths=0.3,
3 linecolor="grey",cmap="RdBu_r")
4
1sns.heatmap(data=data,annot=True,
2 fmt="d",cmap="RdBu_r",
3 cbar_kws={"orientation":"horizontal"})
4
mask：傳入布爾型矩陣，若為矩陣內為True，則熱力圖相應的位置的數據將會被屏蔽掉（常用在繪製相關係數矩陣圖）
1import numpy as np
2
3data_new = np.random.randn(200,10)
4
5
6corr = np.corrcoef(data_new,rowvar=False)
7
8
9mask = np.zeros_like(corr)
10
11
12
13mask[np.triu_indices_from(mask)] = True
14
15with sns.axes_style("white"):
16 sns.heatmap(corr, mask=mask, vmax=0.3,
17 annot=True,cmap="RdBu_r")
如果大家對上面的代碼流程不大了解，可以把mask列印出來看看
參照mask和上面繪製的圖，應該就很容易理解了，mask中為1的部分，就是要被蓋掉的部分。演示到此為止，想更深入的學習可以自行查閱官方文檔！
轉發，在看，打賞人間三大真情！