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)¶

将矩形数据绘制为颜色编码矩阵。

这是一个轴级功能，如果没有提供给轴，它会将热图绘制到当前激活的轴中 ax 争论。部分轴空间将用于绘制颜色图，除非 cbar 为假或为 cbar_ax .

参数

data矩形数据集: 可以强制为数组的2D数据集。如果提供了数据帧，索引/列信息将用于标记列和行。
VMN，Vmax浮动，可选: 值来锚定colormap，否则它们将从数据和其他关键字参数中推断出来。
cmapmatplotlib colormap名称或对象，或颜色列表，可选: 从数据值到颜色空间的映射。如果未提供，则默认值将取决于 center 被设置。
center可选浮动: 打印divergant数据时颜色图居中的值。使用此参数将更改默认值 cmap 如果没有指定。
robust可选的布尔: 如果是真的并且 vmin 或 vmax 如果没有，则使用稳健分位数而不是极值来计算颜色映射范围。
annot布尔或矩形数据集，可选: 如果为True，则在每个单元格中写入数据值。如果像这样的数组与 data ，然后用它来注释热图而不是数据。请注意，数据帧将匹配位置，而不是索引。
fmt可选的STR: 添加批注时要使用的字符串格式代码。
annot_kws键的dict，值映射，可选: 的关键字参数 matplotlib.axes.Axes.text() 什么时候？ annot 是True。
linewidths可选浮动: 将分割每个单元格的行的宽度。
linecolor颜色，可选: 将分割每个单元格的线条的颜色。
cbar可选的布尔: 是否绘制色条。
cbar_kws键的dict，值映射，可选: 的关键字参数 matplotlib.figure.Figure.colorbar() .
cbar_axmatplotlib轴，可选: 在其中绘制颜色条的轴，否则会占用主轴的空间。
square可选的布尔: 如果为真，则将轴的纵横比设置为“相等”，这样每个单元格都将是方形的。
xticklabels、yticklabels标签“auto”，bool，list-like，或int，可选: 如果为True，则打印数据帧的列名。如果为False，则不打印列名。如果类似于列表，则将这些备用标签绘制为xticklabel。如果是整数，则使用列名，但仅打印每n个标签。如果是“自动”，则尝试密集地打印不重叠的标签。
mask布尔数组或数据帧，可选: 如果传递，数据将不会显示在 mask 这是真的。缺少值的单元格将被自动屏蔽。
axmatplotlib轴，可选: 绘制绘图的轴，否则使用当前激活的轴。
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轴: 轴对象与热图。

参见

clustermap: 使用层次聚类绘制矩阵以排列行和列。

实例

绘制numpy阵列的热图：

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

更改颜色贴图的限制：

>>> 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)

使用有意义的行和列标签打印数据帧：

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

使用整数格式为每个单元格添加数值注释：

>>> 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)

使用不同的颜色映射：

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

将颜色贴图置于特定值的中心：

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

每隔列标签打印一次，不打印行标签：

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

不要绘制色条：

>>> 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)