如何在使用 Seaborn 和 Matplotlib 时自动调整字体大小|极客教程

如何在使用 Seaborn 和 Matplotlib 时自动调整字体大小

参考： Auto adjust font size in Seaborn heatmap using Matplotlib

在数据可视化的过程中，热力图是一种非常有效的方式来展示变量之间的关系强度。Seaborn 是一个基于 Matplotlib 的高级绘图库，它提供了一个非常方便的 heatmap 函数来创建热力图。然而，在实际使用中，我们常常会遇到热力图中字体大小不合适的问题，尤其是在图形中包含大量数据点时。本文将详细介绍如何在使用 Seaborn 和 Matplotlib 时自动调整字体大小，以确保热力图的可读性和美观性。

1. 基础热力图绘制

首先，我们需要安装和导入必要的库：

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

# 生成数据
data = np.random.rand(10, 12)
sns.heatmap(data)
plt.show()

Output:

如何在使用 Seaborn 和 Matplotlib 时自动调整字体大小

2. 调整字体大小

在默认情况下，Seaborn 的热力图可能不会自动调整字体大小，导致字体重叠或难以阅读。我们可以通过 Matplotlib 的属性来手动调整字体大小。

示例代码 1：设置字体大小

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

# 生成数据
data = np.random.rand(10, 12)
sns.heatmap(data, annot=True, fmt=".1f", annot_kws={"size": 8})
plt.title("Heatmap with Font Size Adjustment - how2matplotlib.com")
plt.show()

Output:

如何在使用 Seaborn 和 Matplotlib 时自动调整字体大小

示例代码 2：动态调整字体大小

为了更智能地调整字体大小，我们可以根据热力图的尺寸和数据量动态计算字体大小。

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

# 生成数据
data = np.random.rand(10, 12)
# 计算字体大小
font_size = np.interp(data.size, [20, 100], [12, 6])

sns.heatmap(data, annot=True, fmt=".1f", annot_kws={"size": font_size})
plt.title("Dynamic Font Size Adjustment - how2matplotlib.com")
plt.show()

Output:

如何在使用 Seaborn 和 Matplotlib 时自动调整字体大小

3. 使用热力图的高级特性

Seaborn 的 heatmap 函数支持多种参数，可以帮助我们创建更加丰富和个性化的热力图。

示例代码 3：调整颜色映射

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

# 生成数据
data = np.random.rand(10, 12)
sns.heatmap(data, cmap="YlGnBu")
plt.title("Heatmap with Color Map - how2matplotlib.com")
plt.show()

Output:

如何在使用 Seaborn 和 Matplotlib 时自动调整字体大小

示例代码 4：添加边框线

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

# 生成数据
data = np.random.rand(10, 12)
sns.heatmap(data, linewidths=.5)
plt.title("Heatmap with Borders - how2matplotlib.com")
plt.show()

Output:

如何在使用 Seaborn 和 Matplotlib 时自动调整字体大小

示例代码 5：使用不同的颜色条

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

# 生成数据
data = np.random.rand(10, 12)
sns.heatmap(data, cbar_kws={"orientation": "horizontal"})
plt.title("Heatmap with Horizontal Colorbar - how2matplotlib.com")
plt.show()

Output:

如何在使用 Seaborn 和 Matplotlib 时自动调整字体大小

4. 结合实际数据

在实际应用中，我们通常不会使用随机数据来生成热力图。下面我们将使用一个真实的数据集来展示如何生成和调整热力图。

示例代码 6：加载实际数据集

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

# 生成数据
data = np.random.rand(10, 12)
# 加载数据
flights = sns.load_dataset("flights")
flights = flights.pivot("month", "year", "passengers")

# 绘制热力图
sns.heatmap(flights, annot=True, fmt="d")
plt.title("Flights Heatmap - how2matplotlib.com")
plt.show()

示例代码 7：调整实际数据集的字体大小

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

# 生成数据
data = np.random.rand(10, 12)
# 加载数据
flights = sns.load_dataset("flights")
flights = flights.pivot("month", "year", "passengers")

# 根据数据量动态调整字体大小
font_size = np.interp(flights.size, [20, 300], [12, 6])

sns.heatmap(flights, annot=True, fmt="d", annot_kws={"size": font_size})
plt.title("Adjusted Font Size for Real Data - how2matplotlib.com")
plt.show()