文科生自學Python-用SeabornPlotly畫熱力圖

--世界上只有一種真正的英雄主義,就是看清生活的真相之後依然熱愛生活，學習程式設計成就更好的自己--

Python語言簡潔生動，特別適合文科生學習入門IT世界，用幾十行程式碼就能夠做一個完整的爬蟲指令碼，開發效率槓槓的！短時間內即可解決工作和學習中碰到的各種棘手問題。

(本人外語專業畢業，機緣巧合愛上程式設計，自學道路曲曲折折，痛並快樂！)

在這裡總結一下自學Python遇到的難點和重點，分享碼過的程式碼和要點總結，希望能夠給初學者一點啟示和鼓勵，同時願意結交更多大神交流有助提升自己的水平。

今天分享一下大名鼎鼎的

熱力圖-heatmap

，主要使用Seaborn資源庫來製圖演示，最後也用Plotly做一個簡單展示和對比，大家都知道熱力圖可以生動對比不同資料樣本數值大小情況，下面選取的案例樣本還是Plotly內建的

世界人口資料集

：

1.調包並抽取幾個國家生成一個特定的資料集合，方便後續製圖和演示：

#import plotly to get the datasetsimport plotly。graph_objects as goimport plotly_express as px#import seaborn to draw heatmapimport matplotlib。pyplot as pltimport seaborn as snsimport pandas as pd#Get a dataset of different countriesdf = px。data。gapminder（）。query（“country == ［‘France’，‘Germany’，‘Italy’，‘Canada’，‘Spain’，‘Thailand’，‘Argentina’］”） #‘Japan’df［“life”］ = df［“lifeExp”］。astype（int）df［“pop-KW”］ = （df［“pop”］/10000000）。astype（int） #GGet pop 1000Wdisplay（df）

選取了法國，德國，義大利，西班牙，加拿大，泰國和阿根廷並檢視：

2.在製圖之前加工資料成為交叉二維表，方便直接生成熱力圖

#get the data into a proper pivot to draw heatmappop_life_heatmap = df。pivot（“country”， “year”， “life”）display（pop_life_heatmap）

透過pivot方法得到交叉表(抽取壽命長短資料)，一般橫向對應的是X軸，縱向對應的是Y軸，表格顯示不同國家在不同年代國民平均壽命情況：

3.透過sns.heatmap函式直接繪製熱力圖

#https：//seaborn。pydata。org/generated/seaborn。heatmap。html？highlight=fmt#seaborn。heatmapfig=sns。heatmap（pop_life_heatmap，annot=False，fmt=“d”，cmap=“RdBu_r”）fig

生成的熱力圖略小，考慮調整影象大小：

4.新增引數f, ax = plt.subplots(figsize=(x, x))調整影象大小

考慮在每個色塊備註上數值，方便更具體的對比：

5.調整引數選項annot=True即可顯示數值

是不是感覺有點專業的味道了，而且直觀對比不同國家壽命情況：

6.還可變換不同顏色主題風格，且可以調整色塊間距

引數linewidths可以調整色塊間距大小，Seaborn提供了多個不同顏色主題風格，相關連結參考如下：

https://seaborn.pydata.org/tutorial/color_palettes.html#tools-for-choosing-color-palettes：

7.給熱力圖新增標題

#https：//seaborn。pydata。org/tutorial/color_palettes。html#tools-for-choosing-color-palettesf， ax = plt。subplots（figsize=（15， 10）） #set the size of heatmapfig=sns。heatmap（pop_life_heatmap，annot=True，fmt=“d”，linewidths=0。5，cmap=“YlOrBr”） #viridis YlOrBr#set title for itfig。set_title（label=“Heatmap of Pop LifeEXP from different Countries”，fontdict = {“fontsize”：11}）#set position for the xaxis ticksfig

新增引數set_title即可：

8.把年份標記資訊顯示調整到上方

#https：//seaborn。pydata。org/tutorial/color_palettes。html#tools-for-choosing-color-palettesf， ax = plt。subplots（figsize=（15， 10）） #set the size of heatmapfig=sns。heatmap（pop_life_heatmap，annot=True，fmt=“d”，linewidths=0。5，cmap=“Spectral”） #viridis YlOrBr#set title for itfig。set_title（label=“Heatmap of Pop LifeEXP from different Countries”，fontdict = {“fontsize”：11}）#set position for the xaxis ticksfig。xaxis。set_ticks_position（“top”） fig

新增和設定引數xaxis.set_ticks_position即可：

看到這裡是不是感嘆Seaborn真的很給力啊！！！幾行程式碼就能繪製特別優雅的熱力圖，能夠直觀展示資料間的大小關係，接下來簡單講一下如何用Plotly實現吧：

9.同樣使用剛剛的資料集合

#draw heatmap with plotlypop_life_heatmap = df。pivot（“country”， “year”， “life”）display（pop_life_heatmap）

檢視處理好的交叉表：

10.透過imshow製圖函式生成熱力圖

#draw heatmap with plotly #https：//plotly。com/python/imshow/fig = px。imshow（pop_life_heatmap，labels=dict（x=“Year”， y=“Country”， color=“LifeExp”））fig。show（）