Heatmap w matplotlib z pcolor?

Główny problem polega na tym, że najpierw musisz ustawić lokalizację Twoich kleszczy x i Y. Ponadto, pomaga używać bardziej obiektowego interfejsu do matplotlib. Mianowicie, interakcja z obiektem axes bezpośrednio.

import matplotlib.pyplot as plt
import numpy as np
column_labels = list('ABCD')
row_labels = list('WXYZ')
data = np.random.rand(4,4)
fig, ax = plt.subplots()
heatmap = ax.pcolor(data)

# put the major ticks at the middle of each cell, notice "reverse" use of dimension
ax.set_yticks(np.arange(data.shape[0])+0.5, minor=False)
ax.set_xticks(np.arange(data.shape[1])+0.5, minor=False)


ax.set_xticklabels(row_labels, minor=False)
ax.set_yticklabels(column_labels, minor=False)
plt.show()

Moduł python seaborn jest oparty na matplotlib i tworzy bardzo ładną heatmapę.

Poniżej znajduje się implementacja z seaborn, przeznaczona dla notebooka ipython / jupyter.

import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
%matplotlib inline
# import the data directly into a pandas dataframe
nba = pd.read_csv("http://datasets.flowingdata.com/ppg2008.csv", index_col='Name  ')
# remove index title
nba.index.name = ""
# normalize data columns
nba_norm = (nba - nba.mean()) / (nba.max() - nba.min())
# relabel columns
labels = ['Games', 'Minutes', 'Points', 'Field goals made', 'Field goal attempts', 'Field goal percentage', 'Free throws made', 
          'Free throws attempts', 'Free throws percentage','Three-pointers made', 'Three-point attempt', 'Three-point percentage', 
          'Offensive rebounds', 'Defensive rebounds', 'Total rebounds', 'Assists', 'Steals', 'Blocks', 'Turnover', 'Personal foul']
nba_norm.columns = labels
# set appropriate font and dpi
sns.set(font_scale=1.2)
sns.set_style({"savefig.dpi": 100})
# plot it out
ax = sns.heatmap(nba_norm, cmap=plt.cm.Blues, linewidths=.1)
# set the x-axis labels on the top
ax.xaxis.tick_top()
# rotate the x-axis labels
plt.xticks(rotation=90)
# get figure (usually obtained via "fig,ax=plt.subplots()" with matplotlib)
fig = ax.get_figure()
# specify dimensions and save
fig.set_size_inches(15, 20)
fig.savefig("nba.png")

Wyjście wygląda tak: Użyłem mapy kolorów matplotlib Blues, ale osobiście uważam, że domyślne kolory są dość piękne. Używałem matplotlib do obracania etykiet osi x, ponieważ nie mogłem znaleźć składni seaborn. Jak zauważył grexor, konieczne było określenie wymiarów (rys.set_size_inches) metodą prób i błędów, które uznałem za nieco frustrujące.

Jak zauważył Paul H, można łatwo dodać wartości do map ciepła (annot = True), ale w tym przypadku nie myślałem, że poprawiło to figurę. Kilka fragmentów kodu zostało zaczerpniętych z doskonałej odpowiedzi joelotza.

Ktoś edytował to pytanie, aby usunąć kod, którego użyłem, więc byłem zmuszony dodać go jako odpowiedź. Dziękujemy wszystkim, którzy wzięli udział w odpowiedzi na to pytanie! Myślę, że większość innych odpowiedzi jest lepsza niż ten kod, po prostu zostawiam to tutaj w celach informacyjnych.

Dzięki Paulowi H i unutbu (który odpowiedział na to pytanie ), mam całkiem ładne wyjście:

import matplotlib.pyplot as plt
import numpy as np
column_labels = list('ABCD')
row_labels = list('WXYZ')
data = np.random.rand(4,4)
fig, ax = plt.subplots()
heatmap = ax.pcolor(data, cmap=plt.cm.Blues)

# put the major ticks at the middle of each cell
ax.set_xticks(np.arange(data.shape[0])+0.5, minor=False)
ax.set_yticks(np.arange(data.shape[1])+0.5, minor=False)

# want a more natural, table-like display
ax.invert_yaxis()
ax.xaxis.tick_top()

ax.set_xticklabels(row_labels, minor=False)
ax.set_yticklabels(column_labels, minor=False)
plt.show()

A oto wyjście: