【Python】：数据可视化之相关系数热力图绘制（一）（matplotlib版本）

忘是亡心i 2023-09-27 11:23 135阅读 0赞

### 一、什么是热力图？ ###

热力图是一种通过对色块着色来显示数据的统计图表。绘图时，需指定颜色映射的规则。例如，较大的值由较深的颜色表示，较小的值由较浅的颜色表示；较大的值由偏暖的颜色表示，较小的值由较冷的颜色表示，等等。

从数据结构来划分，热力图一般分为两种。第一，表格型热力图，也称色块图。它需要 2 个分类字段和 1 个数值字段，分类字段确定 x、y 轴，将图表划分为规整的矩形块。数值字段决定了矩形块的颜色。第二，非表格型热力图，或者叫做平滑的热力图，它需要 3 个数值字段，可绘制在平行坐标系中（2个数值字段分别确定x、y轴，1个数值字段确定着色）。

热力图适合用于查看总体的情况、发现异常值、显示多个变量之间的差异，以及检测它们之间是否存在任何相关性。

### 二、热力图的绘制 ###

下面我们就通过例子来讲述热力图的绘制，示例代码如下：

import matplotlib.pyplot as plt
    import numpy as np
    
    harvest = np.array([[0.56, 0.23, 6.9, 3.9, 0.0, 4.0, 0.0],
                        [2.4, 0.0, 4.0, 1.0, 2.7, 0.0, 0.0],
                        [1.1, 2.4, 0.8, 4.3, 1.9, 4.4, 0.0],
                        [0.6, 0.0, 0.3, 10, 3.1, 0.0, 0.0],
                        [0.7, 1.7, 0.6, 2.6, 2.2, 6.2, 0.0],
                        [1.3, 1.2, 0.0, 0.0, 0.0, 3.2, 5.1],
                        [0.1, 2.0, 0.0, 1.4, 0.0, 1.9, 6.3]])
    
    plt.imshow(harvest)
    plt.tight_layout()
    plt.show()

**将一个二维数组传入到 imshow 方法中便可以绘制一个热力图，每个色块的颜色代表数据的大小。**

结果展示如下：  
![在这里插入图片描述][49dfe2b2da5748be9a03fa19c9e8a8d9.png]  
上面只是绘制了色块，并没有指明 x 轴 和 y 轴代表的含义，下面我们加上 x 轴和 y 轴的标签，并加上标题。示例代码如下：

import matplotlib.pyplot as plt
    import numpy as np
    X=['x1','x2','x3','x4','x5','x6','x7']
    Y=['y1','y2','y3','y4','y5','y6','y7']
    
    harvest = np.array([[0.56, 0.23, 6.9, 3.9, 0.0, 4.0, 0.0],
                        [2.4, 0.0, 4.0, 1.0, 2.7, 0.0, 0.0],
                        [1.1, 2.4, 0.8, 4.3, 1.9, 4.4, 0.0],
                        [0.6, 0.0, 0.3, 10, 3.1, 0.0, 0.0],
                        [0.7, 1.7, 0.6, 2.6, 2.2, 6.2, 0.0],
                        [1.3, 1.2, 0.0, 0.0, 0.0, 3.2, 5.1],
                        [0.1, 2.0, 0.0, 1.4, 0.0, 1.9, 6.3]])
    plt.xticks(np.arange(len(X)),labels=X,rotation=45, rotation_mode="anchor", ha="right")
    plt.yticks(np.arange(len(Y)),labels=Y,rotation=45, rotation_mode="anchor", ha="right")
    plt.imshow(harvest)
    plt.tight_layout()
    plt.show()

结果展示为：  
![在这里插入图片描述][f0b686146f214ce3a2aabf55e0a867a6.png]  
上图中，我们加上了 x 轴和 y 轴代表的含义以及整个图的标题，但是现在我们还不知道不同色块所对应的数值的大小，下面我们就来加上。示例代码如下：

只需要加上一句`plt.colorbar()`

展示如下：  
![在这里插入图片描述][ae5e1ec928194c3f83ac0a98309590f8.png]  
上图我们便加上了颜色和数值的对应规则。接下来我们再为每个色块加上所代表的数值。例如：

（只需要加入一个循环）

import matplotlib.pyplot as plt
    import numpy as np
    X=['x1','x2','x3','x4','x5','x6','x7']
    Y=['y1','y2','y3','y4','y5','y6','y7']
    
    harvest = np.array([[0.56, 0.23, 6.9, 3.9, 0.0, 4.0, 0.0],
                        [2.4, 0.0, 4.0, 1.0, 2.7, 0.0, 0.0],
                        [1.1, 2.4, 0.8, 4.3, 1.9, 4.4, 0.0],
                        [0.6, 0.0, 0.3, 10, 3.1, 0.0, 0.0],
                        [0.7, 1.7, 0.6, 2.6, 2.2, 6.2, 0.0],
                        [1.3, 1.2, 0.0, 0.0, 0.0, 3.2, 5.1],
                        [0.1, 2.0, 0.0, 1.4, 0.0, 1.9, 6.3]])
    plt.xticks(np.arange(len(X)),labels=X,rotation=45, rotation_mode="anchor", ha="right")
    plt.yticks(np.arange(len(Y)),labels=Y,rotation=45, rotation_mode="anchor", ha="right")
    
    for i in range(len(X)):
        for j in range(len(Y)):
            text = plt.text(j, i, harvest[i, j], ha="center", va="center", color="w")
    
    plt.imshow(harvest)
    plt.tight_layout()
    plt.colorbar()
    plt.show()

展示为：  
![在这里插入图片描述][9340d015e0bc41cba1ce6a33962e8c45.png]

[49dfe2b2da5748be9a03fa19c9e8a8d9.png]: https://img-blog.csdnimg.cn/49dfe2b2da5748be9a03fa19c9e8a8d9.png
[f0b686146f214ce3a2aabf55e0a867a6.png]: https://img-blog.csdnimg.cn/f0b686146f214ce3a2aabf55e0a867a6.png
[ae5e1ec928194c3f83ac0a98309590f8.png]: https://img-blog.csdnimg.cn/ae5e1ec928194c3f83ac0a98309590f8.png
[9340d015e0bc41cba1ce6a33962e8c45.png]: https://img-blog.csdnimg.cn/9340d015e0bc41cba1ce6a33962e8c45.png