如何使用Python中的seaborn在热力图单元格注释中添加文本？

王林

发布时间：2023-08-19 16:09:23

2117人浏览过

来源于tutorialspoint

转载

热力图对于识别数据中的模式和趋势非常有用，并且可以通过向单元格添加注释来进一步定制，例如文本标签或数值，这可以提供有关数据的额外信息。在本文中，我们将讨论如何使用python中的seaborn在热力图单元格注释中添加文本。我们将探讨seaborn中可用的不同方法和选项来自定义文本注释，例如更改文本的字体大小、颜色和格式。

热力图

热力图（或热图）是一种数据可视化方法，通过在二维图上使用不同颜色来表示现象的强度。颜色的色调或饱和度可能会变化，以向读者展示现象在时间和空间上的聚集或变化情况。热力图主要分为两类：聚类热力图和空间热力图。

集群热图将现象和类别显示为行和列，通过固定大小的单元矩阵来组织大小。集群的排序是有意为之的，并且有些随机，旨在通过统计研究来建议或显示。单元的尺寸完全随机，但足够大以便可读。空间热图中没有单元的概念，现象被视为不断变化的，因此大小的位置取决于其在该空间中的位置。

Seaborn

的中文翻译为：

Seaborn

Seaborn是一个用于从数据中制作图表和图形的Python包。它以matplotlib为基础，并且与pandas库很好地配合使用。

Seaborn帮助进行数据发现、可视化和理解。通过使用绘图方法处理包含完整数据集的数据框和数组，并进行必要的语义映射和统计聚合，以生成有洞察力的图表。借助其声明式、以数据集为中心的API，您可以专注于图表组件的含义，而不是渲染它们的技术细节。

立即学习“Python免费学习笔记（深入）”；

使用seaborn绘制热力图的语法

sns.heatmap(dt, *, vmin=None, vmax=None, cmap=None, center=None, annot_kws=None, linewidths=0, linecolor=’white’, cbar=True, **kwargs)

Explanation

翻译成中文为：

解释

序号	属性	定义
1.	dt	它用于将2D数据集转换为ndarray。如果提供了使用pandas的DataFrame，则可以使用列数据来指定行和列。
2.	vamx和vmin	它们提供了用作色图起点的值。如果没有提供，这些值将从数据和其他关键字参数中推断出来。
3.	cmap	它定义了数据值如何映射到颜色空间。如果没有指定默认值，将取决于是否设置了中心值。
4.	center	绘制不同数据集时，这是用于设置颜色映射的中心值。如果没有给出其他参数，这个参数将改变默认的颜色映射。
5.	annot	如果annot参数的值为true，则将数据写入每个热图单元格。
6.	annot_kws	只有当annot参数的值为true时，它才定义了函数matplotlib.axes.Axes.text()的参数。
7.	linewidhts	该参数定义了每个单元格之间的分割线的宽度。
8.	linecolor	这个参数定义了每个单元格之间的分割线的颜色。
9.	cbar	它定义了我们是否需要绘制一个色条。

在热力图单元格注释中添加文本

热力图的行和列可以进行注释以提供额外的上下文。通常将annot选项设置为True以在热力图的顶部显示数据值。

Convai Technologies Inc.

对话式 AI API，用于设计游戏和支持端到端的语音交互

下载

Annot and fmt parameter

的中文翻译为：

Annot和fmt参数

Annot − sns.heatmap() 的 annot（注释）功能允许您在 Python seaborn 热力图中显示与每个单元格关联的数值。我们可以显示所选单元格的原始数字，或根据您的指示显示不同的数字。将 True 传递给 annot 将导致在每个热力图单元格中显示该值。
Fmt − annot参数仅允许将数值添加到Python热力图单元格中，而fmt参数允许添加字符串（文本）值。

在这里，创建了一个包含字符串值的2D numpy数组，并将其传递给annot。另外，字符串值"s"被传递给fmt。

Example

的中文翻译为：

示例

import numpy as n
import matplotlib.pyplot as p
import seaborn as s

# creating random data using numpy
df = n.array([[11, 12, 13, 14, 15], [16, 17, 18, 19, 20], [21, 22, 23, 24, 25]])

# creating text array using numpy
tx = n.array([['Amy', 'Bryn', 'Calis', 'Daisy', 'Eagel'], ['Fin', 'Garry', 'Hary', 'Ingleis', 'Jack'],
   ['Kim', 'Lasy', 'Mia', 'Nia', 'Olivia']])

# creating subplot
figure, axx = p.subplots()
 
# defining heatmap on current axes using seaborn 
axx = s.heatmap(df, annot=tx, fmt="")