当我们要对不同的变量进行判断时，我们会分析它们之间的关系。这个概念在现实生活中也有使用，最常见的就是制作地理热图。很多人对绘制热图的方法不是很清楚。我们可以先安装相关工具，了解一些使用参数，然后在实例中体验绘制热图的例子。我们来看看具体的方法。
1.导入相关的packages
import seaborn as sns
%matplotlib inline
sns.set(font_scale=1.5)
2.参数
vmax：设置颜色带的值
vmin：设置颜色带的最小值
cmap：设置颜色带的色系
center：设置颜色带的分界线
annot：是否显示数值注释
fmt：format的缩写，设置数值的格式化形式
linewidths：控制每个小方格之间的间距
linecolor：控制分割线的颜色
cbar_kws：关于颜色带的设置
mask：传入的布尔矩阵，如果矩阵中为True，则热图对应位置的数据将被屏蔽（常用绘制相关系数矩阵）
3.实例
用
Python生成heatmap比较简单，导入goo
glmap，然后在地图上绘制纬度和经度。最后，热图生成为 html 文件，可以放大和缩小。
import gmplot # plot the locations on google map
import numpy as np # linear algebra
import pandas as pd # data processing, CSV file I/O (e.g. pd.read_csv())
import matplotlib.pyplot as plt # data visualization
import seaborn as sns # data visualization
df = pd.read_csv("data.csv")
df = pd.DataFrame(df)
df_td = pd.read_csv("datacopy.csv")
df_td = pd.DataFrame(df_td)
# print df.dtypes
print (df.shape)
print (df_td.shape)
def plot_heat_map(data, number):
latitude_array = data['INTPTLAT'].values
latitude_list = latitude_array.tolist()
print(latitude_list[0])
Longitude_array = data['INTPTLONG'].values
longitude_list = Longitude_array.tolist()
print(longitude_list[0])
# Initialize the map to the first location in the list
gmap = gmplot.GoogleMapPlotter(latitude_list[0], longitude_list[0], 10)
# gmap.scatter(latitude_list, longitude_list, edge_width=10)
gmap.heatmap(latitude_list, longitude_list)
# Write the map in an HTML file
# gmap.draw('Paths_map.html')
gmap.draw('{}_Paths_map.html'.format(number))
plot_heat_map(df,'4')
以上就是
实现了python heatmap的原理。大家可以按照代码来测试一下，看看能不能跑出相关的热图，然后学习一些知识点。
本文为原创文章，版权归知行编程网所有，欢迎分享本文，转载请保留出处！
内容反馈