怎么用Python生成热力图|极客教程

怎么用Python生成热力图

热力图是一种数据可视化技术，通过颜色的深浅来表示数据的密度或者数值大小，常用于展示数据的热度分布和趋势。Python是一种功能强大的编程语言，也提供了丰富的数据可视化库，比如Matplotlib和Seaborn，可以帮助我们生成各种类型的图表，包括热力图。本文将介绍如何使用Python生成热力图，包括数据准备、生成热力图的代码和可视化效果。

数据准备

在生成热力图之前，我们首先需要准备好数据。一般来说，热力图需要二维数据，其中行代表数据的一个维度，列代表数据的另一个维度，每个数据点对应一个值。下面是一个简单的示例数据，表示某个城市每个月的平均气温：

import pandas as pd

data = {
    'Jan': [10, 12, 15, 18],
    'Feb': [11, 13, 16, 19],
    'Mar': [12, 14, 17, 20],
    'Apr': [13, 15, 18, 21]
}

df = pd.DataFrame(data, index=['City A', 'City B', 'City C', 'City D'])
print(df)

运行上面的代码，可以看到输出的数据表格如下：

        Jan  Feb  Mar  Apr
City A   10   11   12   13
City B   12   13   14   15
City C   15   16   17   18
City D   18   19   20   21

这个数据表格包含了四个城市每个月的平均气温数据，其中行表示城市，列表示月份，每个单元格的值代表该城市该月的平均气温。

生成热力图

有了准备好的数据，接下来我们就可以使用Python生成热力图了。在这里，我们将使用Seaborn库来生成热力图。Seaborn是一个基于Matplotlib的数据可视化库，提供了更加简单和美观的绘图接口。

import seaborn as sns
import matplotlib.pyplot as plt

plt.figure(figsize=(8, 6))
sns.heatmap(df, annot=True, cmap='coolwarm')
plt.title('Average Temperature by City and Month')
plt.show()

运行上面的代码，可以得到如下的热力图：

Average Temperature by City and Month

生成的热力图中，横轴表示月份，纵轴表示城市，每个单元格的颜色深浅表示对应城市对应月份的平均气温，颜色越深表示温度越高。

自定义热力图

除了使用默认的参数，我们还可以通过Seaborn提供的参数对热力图进行自定义。下面是一些常用的参数：

annot: 是否在热力图上显示数值标签
linewidths: 单元格之间的间隔宽度
linecolor: 单元格之间的间隔颜色
cbar: 是否显示颜色条

下面是一个自定义热力图的示例代码：

import seaborn as sns
import matplotlib.pyplot as plt

plt.figure(figsize=(8, 6))
sns.heatmap(df, annot=True, cmap='YlGnBu', linewidths=0.5, linecolor='gray', cbar=False)
plt.title('Average Temperature by City and Month')
plt.show()

运行上面的代码，可以得到一个自定义样式的热力图。