建网站有报价单吗,佛山网站建设是哪个好,wordpress文章分享,h5页面制作多少钱使用不同的颜色映射绘制热力图 一、使用 Seaborn 库创建热力图二、cmap关于其他颜色的设置三、自己设置颜色映射 一、使用 Seaborn 库创建热力图
选择Seaborn颜色官网
使用 Seaborn 库创建热力图#xff0c;你可以使用 seaborn.heatmap() 函数。下面是一个示例代码#xf… 使用不同的颜色映射绘制热力图 一、使用 Seaborn 库创建热力图二、cmap关于其他颜色的设置三、自己设置颜色映射 一、使用 Seaborn 库创建热力图
选择Seaborn颜色官网
使用 Seaborn 库创建热力图你可以使用 seaborn.heatmap() 函数。下面是一个示例代码
import numpy as np
import seaborn as sns
import matplotlib.pyplot as plt
# 生成二维数组
data np.random.rand(10, 10)
# 使用 Seaborn 创建热力图
sns.heatmap(data, cmapYlGnBu, annotTrue, fmt.2f, cbarTrue)
# 显示图形
plt.show()在这个示例中我们首先使用 numpy.random.rand() 函数生成了一个 10x10 的随机二维数组 data。 然后我们使用 seaborn.heatmap() 函数创建了热力图。我们将 data 作为输入数据并指定了颜色映射 cmap 为 “YlGnBu”这是 Seaborn 中的一个预定义颜色映射。 通过设置 annotTrue我们可以在热力图中显示每个单元格的数值并使用 fmt“.2f” 指定显示的数值格式为小数点后两位。 最后使用 cbarTrue 创建一个颜色条。
cmap“YlGnBu” 表示使用了 Seaborn 预定义的颜色映射它代表了从黄色到绿色再到蓝色的渐变。这种颜色映射通常用于表示数据的大小或密度颜色从浅到深逐渐增加可以很好地展示数据的变化情况。
二、cmap关于其他颜色的设置
可以去官网中找
import matplotlib.pyplot as plt
import seaborn as sns
import pandas as pd
import numpy as np
data pd.DataFrame(np.random.rand(20, 50))
# 使用不同的颜色映射绘制热力图
cmap_styles [viridis, plasma, inferno, magma, cividis, Greys, Purples, Blues, Greens, Oranges,Reds, YlOrBr, YlOrRd, OrRd, PuRd, RdPu, BuPu, GnBu, PuBu, YlGnBu,PuBuGn, BuGn, YlGn, binary, gist_yarg, gist_gray, gray, bone, pink, spring,summer, autumn, winter, cool, Wistia, hot, afmhot, gist_heat, copper, PiYG,PRGn, BrBG, PuOr, RdGy, RdBu, RdYlBu, RdYlGn, Spectral, coolwarm, bwr,seismic, twilight, twilight_shifted, hsv
]
fig, axes plt.subplots(6, 9, figsize(16, 8))
axes axes.ravel()
for i, cmap in enumerate(cmap_styles):ax axes[i]sns.heatmap(data, cmapcmap, axax)ax.set_title(cmap)plt.tight_layout()
plt.show() 三、自己设置颜色映射
import matplotlib.pyplot as plt
from matplotlib.colors import LinearSegmentedColormap
import numpy as np
import seaborn as sns# 自定义颜色映射
colors [red, yellow, blue]
cm LinearSegmentedColormap.from_list(myc, colors, N10)
# 生成随机二维数组作为示例数据
data np.random.rand(20, 50)
# # 绘制热力图并应用自定义颜色映射设置纵横比为正方形边框颜色为黑色
sns.heatmap(data, cmapcm, cbarTrue, linecolorblack, linewidths0.5)
# 显示图形
plt.show()
