SeaBorn est un package Python de visualisation des données construit sur la bibliothèque Matplotlib. Il vous donne un moyen de représenter les données sous une forme graphique statistique à la fois pertinente et attrayante. L'une des fonctionnalités proposées par SeaBorn est une carte thermique, qui utilise une palette de couleurs pour représenter la variation des données liées. Dans le module SeaBorn, nous pouvons utiliser le Seaborn.Méthode HeatMap () pour fabriquer des graphiques de la carte thermique.

Les annotations sont des lignes de texte qui apparaissent sur une cellule de carte thermique pour décrire ce qu'une cellule particulière représente. La taille de la police des annotations est définie par défaut, bien qu'elle puisse être modifiée à l'aide du paramètre Annot KWS de la méthode HeatMap (). L'annot KWS est une option de type dictionnaire qui nécessite une valeur pour la clé de taille. La taille des annotations est déterminée par la valeur attribuée à cette clé. Cependant, certaines conditions doivent être suivies pour augmenter la taille des annotations, comme le paramètre annot de la fonction HeatMap () doit être réglé sur true, et la taille requise pour l'option Annot KWS doit être définie.

Syntaxe de la carte thermique à Seaborn

marin.HeatMap (données, vmin = aucun, vMax = aucun, annot = non, annot_kws = true, lineWidths = 0, cbar = non, cbar_kws = non, carré = false, xtickLabels = 'auto', ytickLabels = 'auto', mask = Aucun, ax = aucun, kwargs)

Données: Obliger un ensemble de données 2D dans un ndarray. Les informations d'index / colonne d'un Pandas DataFrame seront utilisées pour nommer les colonnes et les lignes.

vmin, vmax: Les valeurs seront utilisées pour ancrer le Colormap; Sinon, ils seront déduits de l'ensemble de données et d'autres entrées de terme.

annouer: Si vrai, remplissez chaque cellule avec la valeur des données. Utilisez-le pour annoter la carte thermique plutôt que les données s'il s'agit d'un objet de type tableau avec le même format que les données. DataFrames sera apparié en fonction de l'emplacement plutôt que de l'index.

fmt: Lorsque vous ajoutez des annotations, utilisez ce code de formatage de chaîne.

annot_kws: Lorsque l'annot est vrai, les paramètres de mot-clé sont transmis au matplotlib.haches.Haches.texte().

largeur: La distance entre les lignes qui devraient diviser chaque cellule.

cbar: Un paramètre bool décide si un bar de couleur doit être dessiné.

cbar_ax: Axes à partir desquels créer la barre de couleur; Sinon, l'espace sur les axes principaux sera repris.

carré: Ajustez l'attribut des axes à «égal» si vrai pour que chaque cellule soit en forme de carré.

xticklabels, yticklabels: Représenter les noms de colonne du trame de données si cela est vrai. Si c'est faux, les noms de colonne ne doivent pas être tracés. Si les étiquettes alternatives sont XtickLabels, tracez-les comme une liste. Utilisez les noms de champ si le numéro est un entier, mais tracez uniquement le premier dans les étiquettes. Si vous utilisez «Auto», essayez de tracer les étiquettes non chevauchantes aussi densément que possible.

masque: Les données ne seront pas affichées dans les cellules lorsque le masque est vrai si ce paramètre est défini sur true. Les cellules masquées sont celles qui ont des valeurs manquantes.

hache: Axes sur lesquels construire l'intrigue; Sinon, utilisez les axes actuellement actifs.

kwargs: Matplotlib.haches.Haches.Pcolormesh () est transmis à tous les autres paramètres de mots clés.

Exemple 1

La fonction set () établit la configuration et le thème des parcelles de Seaborn. La taille du tracé peut être identifiée avec l'option RC. Nous avons défini les modules que nous utiliserons dans le script Python dans l'exemple suivant. Après cela, nous avons créé des données dans une marques variables et appelé la fonction de trame de données. La fonction de trame de données a quatre colonnes d'étudiants où nous avons enregistré les marques que les étudiants ont gagnées. Nous avions réglé les données du tracé.

Maintenant, la fonction de définition est définie où la taille du tracé est mentionnée dans la taille de la Figse. Ensuite, la fonction de la mouche thermique de Seaborn est invoquée où la fonction Corr est appliquée sur les marques. La fonction CORR a renvoyé toutes les colonnes du cadre de données qui ont une corrélation par paire.

Importer des pandas en tant que PD
Importer Matplotlib.pypllot comme plt
Importer Seaborn comme SNS
marques = pd.DataFrame ("Student 1": [6, 3, 1, 7, 3, 10, 5, 4],
"Student 2": [3, 7, 2, 1, 8, 2, 4, 2],
"Student3": [1, 6, 9, 8, 6, 4, 9, 3],
"Student 4": [5, 5, 1, 9, 4, 7, 8, 3])
sns.set (rc = 'figure.FigSize ': (10, 5))
sns .masse thermique (marques.corr ())
PLT.montrer()

Le tracé de la carte thermique est rendu avec la taille de la figure spécifiée comme suit:

Exemple 2

Dans Python, la méthode Figure () est utilisée pour commencer ou modifier la figure actuelle. Dans ce diagramme, la carte thermique est montrée. Le paramètre FigSize de la fonction peut être utilisé pour modifier la taille. Nous devons créer des données pour générer le tracé avec la taille de la figure spécifiée. Nous avons un cadre de données de quatre colonnes List1, List2, List3 et List4 et inséré des valeurs aléatoires en eux. Ensuite, nous avons une méthode figure () à l'intérieur de laquelle nous avons défini la taille de la figure. Dans la dernière étape, la méthode CORR est appliquée au cadre de données à l'aide de la fonction HEATMAP.

Importer des pandas en tant que PD
Importer Matplotlib.pypllot comme plt
Importer Seaborn comme SNS
Liste = PD.DataFrame ("List 1": [5, 8, 9, 5, 1, 7, 8, 9],
"Liste 2": [4, 6, 5, 8, 6, 1, 2, 3],
"List3": [1, 2, 8, 4, 3, 9, 5, 2],
"List4": [7, 1, 5, 6, 3, 10, 5, 8])
PLT.Figure (FigSize = (15, 7))
sns.HEATMAP (liste.corr ())
PLT.montrer()

La taille est visualisée dans la figure ultérieure du tracé de la carte thermique.

Exemple 3

Ici, nous utilisons les paramètres annot et annot_kws pour la taille de la carte thermique. Nous avons chargé l'exemple de «conseils» de données de données dans l'option SeaBorn Load_dataset, qui est stockée dans les données variables. Ensuite, nous avons appelé la fonction HEATMAP et avons fourni la fonction CORR pour l'ensemble de données. Ensuite, nous avons fourni l'option Annot et l'avons définie comme vrai. L'option annot_kws est définie avec la taille 12.

Importer Numpy comme NP
Importer Seaborn comme SNS
Importer Matplotlib.pypllot comme plt
données = SNS.load_dataset ("conseils")
sns.masse thermique (données.corr (), annot = true, annot_kws = 'size': 12)
PLT.montrer()

La mise en œuvre précédente compile la taille du tracé de la carte thermique suivante:

Exemple 4

Quand il s'agit de déterminer la taille, la considération doit être utilisée. Lorsque vous fournissez un nombre énorme, les annotations seront beaucoup trop amplifiées, ce qui les rend impossibles à lire et à interpréter. Ils peuvent même s'effondrer les uns sur les autres. Ainsi, rendant la carte thermique inutilisable. Nous avons choisi l'iris du cadre de données et l'avons chargé à l'intérieur de la fonction LOAD_DATASET. Appelez la fonction HEATMAP où le paramètre Annot est défini sur true, et Annot_KWS est défini avec la taille 20.

Importer Matplotlib.pypllot comme plt
Importer Seaborn comme SNS
données = SNS.load_dataset ("iris")
sns.masse thermique (données.corr (), annot = true, annot_kws = 'size': 20)
PLT.montrer()

Par conséquent, le tracé de la carte thermique résultante est visualisé avec de grands nombres.

Conclusion

L'explication par l'article de la taille de la mouche thermique de Seaborn se termine ici. Pour fournir une représentation graphique d'une matrice, une carte thermique est utilisée. Il utilise différentes teintes de couleurs pour différentes valeurs et dessine une grille sur le graphique. Nous avons montré les exemples qui ont défini la taille de la carte thermique avec différentes approches. Cependant, la taille de l'intrigue par défaut peut ne pas inclure une bonne image de données représentant une grande matrice.