python 作图：heatmap

python 作图：heatmap

导入几个库

import numpy as np
from numpy import random
import pandas as pd

import matplotlib.pyplot as plt

import seaborn as sns
sns.set()

基本例子

我们以一个 $N\times N$ 矩阵为例。

N = 20
R = random.randn(N, N)

我们先绘制一个最基本的 heatmap（热图）：

fig = plt.figure()
sns_plot = sns.heatmap(R)
# fig.savefig("heatmap.pdf", bbox_inches='tight') # 减少边缘空白
plt.show()

显示值

根据该 $N\times N$ 矩阵值的大小体现在热图中。查看值的分布，可以采用 annot=True。

N = 5
R = random.randn(N, N)

fig = plt.figure()
sns_plot = sns.heatmap(R, annot=True)

plt.show()

新的调整

我们发现，维度大的时候，坐标轴刻度会太密集而看不清，而且刻度上的字体很小。如何调整，如下：

• 刻度的步长调大 xticklabels
• 刻度字体大小 labelsize

N = 20
R = random.randn(N, N)

# fig, ax = plt.subplots(figsize=(12,9))
fig = plt.figure()
# cmap='RdBu_r' 颜色主题风格   xticklabels 代表步长
sns_plot = sns.heatmap(R, cmap='YlGnBu', xticklabels=8, yticklabels=8)

sns_plot.tick_params(labelsize=15) # heatmap 刻度字体大小
# colorbar 刻度线设置
cax = plt.gcf().axes[-1]
cax.tick_params(labelsize=15) # colorbar 刻度字体大小

# fig.savefig("heatmap.pdf", bbox_inches='tight')
plt.show()

---

另一方面，Heatmap 中的刻度线很长，不好看。所以可以调整刻度线的位置（内、外侧）以及四个方向边是否显示刻度线：

fig = plt.figure()
# cmap='RdBu_r'
sns_plot = sns.heatmap(R, cmap='YlGnBu', xticklabels=8, yticklabels=8)
# tick_params 中 direction='in'表示刻度线位于内侧，另外还有参数 out,inout
sns_plot.tick_params(labelsize=15, direction='in')

cax = plt.gcf().axes[-1]
# colorbar 中 top='off', bottom='off', left='off', right='off'表示上下左右侧的刻度线全部不显示
cax.tick_params(labelsize=15, direction='in', top='off', bottom='off', left='off', right='off')

plt.show()

update：不显示坐标

# xticklabels =False
sns_plot = sns.heatmap(R, xticklabels =False)

调整索引值

最后，由于矩阵的原生索引 $x,y \in \{0,1,2,\cdots,N-1\}$。
如果要指定新的索引 $\{1,2,\cdots,N\}$，可以利用 pandas 实现数据的包装整理。如下：

import numpy as np
from numpy import random
import matplotlib.pyplot as plt
import seaborn as sns
import pandas as pd
sns.set()


N = 16
R = random.randn(N, N)

R = pd.DataFrame(R, columns=np.arange(1,N+1), index=np.arange(1,N+1))


# fig, ax = plt.subplots(figsize=(12,9))
fig = plt.figure()
# cmap='RdBu_r'
sns_plot = sns.heatmap(R, cmap='YlGnBu', xticklabels=5, yticklabels=5)

sns_plot.tick_params(labelsize=15, direction='in')

cax = plt.gcf().axes[-1]
cax.tick_params(labelsize=15, direction='in', top='off', bottom='off', left='off', right='off')

# fig.savefig("heatmap.pdf", bbox_inches='tight')
plt.show()

---

cmap 风格大全

cmap 的参数如下：

- Accent, Accent_r, 
- Blues, Blues_r, BrBG, BrBG_r, BuGn, BuGn_r, BuPu, BuPu_r, 
- CMRmap, CMRmap_r, 
- Dark2, Dark2_r, 
- GnBu, GnBu_r, Greens, Greens_r, Greys, Greys_r, 
- OrRd, OrRd_r, Oranges, Oranges_r, 
- PRGn, PRGn_r, Paired, Paired_r, Pastel1, Pastel1_r, Pastel2, Pastel2_r, PiYG, PiYG_r, 
  PuBu, PuBuGn, PuBuGn_r, PuBu_r,   PuOr, PuOr_r, PuRd, PuRd_r, Purples, Purples_r, 
- RdBu, RdBu_r, RdGy, RdGy_r, RdPu, RdPu_r, RdYlBu, RdYlBu_r, RdYlGn, RdYlGn_r, Reds, Reds_r, 
- Set1, Set1_r, Set2, Set2_r, Set3, Set3_r, Spectral, Spectral_r, 
- Wistia, Wistia_r, 
- YlGn, YlGnBu, YlGnBu_r, YlGn_r, YlOrBr, YlOrBr_r, YlOrRd, YlOrRd_r, 
- afmhot, afmhot_r, autumn, autumn_r, 
- binary, binary_r, bone, bone_r, brg, brg_r, bwr, bwr_r, 
- cividis, cividis_r, cool, cool_r, coolwarm, coolwarm_r, copper, copper_r, cubehelix, cubehelix_r, 
- flag, flag_r, 
- gist_earth, gist_earth_r, gist_gray, gist_gray_r, gist_heat, gist_heat_r, gist_ncar, gist_ncar_r, 
  gist_rainbow, gist_rainbow_r, gist_stern, gist_stern_r, gist_yarg, gist_yarg_r, 
  gnuplot, gnuplot2, gnuplot2_r, gnuplot_r, gray, gray_r, 
- hot, hot_r, hsv, hsv_r, 
- icefire, icefire_r, inferno, inferno_r, 
- jet, jet_r, 
- magma, magma_r, mako, mako_r, 
- nipy_spectral, nipy_spectral_r, 
- ocean, ocean_r, 
- pink, pink_r, plasma, plasma_r, prism, prism_r, 
- rainbow, rainbow_r, rocket, rocket_r, 
- seismic, seismic_r, spring, spring_r, summer, summer_r, 
- tab10, tab10_r, tab20, tab20_r, tab20b, tab20b_r, tab20c, tab20c_r, 
  terrain, terrain_r, twilight, twilight_r, twilight_shifted, twilight_shifted_r, 
- viridis, viridis_r, vlag, vlag_r, 
- winter, winter_r

参考：https://matplotlib.org/examples/color/colormaps_reference.html