Python可视化学习之seaborn绘制矩阵图详解

1. 简介

seaborn是Python中基于matplotlib库的高级可视化库。它提供了多种绘图风格和颜色主题，使得绘图变得更加简单和美观。

seaborn库中的矩阵图（heatmap）是一种常用的可视化方法，它可以将数值数据按照颜色的变化表示出来，以帮助我们更好地理解数据中的模式和趋势。

2. 矩阵图绘制方法

seaborn库中绘制矩阵图的主要方法是heatmap函数。具体用法如下：

import seaborn as sns
import matplotlib.pyplot as plt

# 绘制矩阵图
sns.heatmap(data, annot=True, cmap="YlGnBu", vmax=1, vmin=-1, fmt=".2f")

# 显示矩阵图
plt.show()

其中，参数说明如下：

• data：要绘制的数据集，可以是一个DataFrame或二维数组。
• annot：默认值为False。如果为True，则在每个矩阵格子中显示相应的数值。
• cmap：表示颜色主题，可以使用任何matplotlib支持的颜色映射。
• vmax和vmin：表示颜色映射的上下界值。默认情况下，最大值为数据中的最大值，最小值为数据中的最小值。
• fmt：用于注释的字符串格式。默认为".2f"，表示保留两位小数。

3. 矩阵图实例

下面是两个矩阵图的实例，使用的数据集是seaborn库中的数据集tips。

实例1：绘制餐厅小费金额与性别、时间的关系

import seaborn as sns
import matplotlib.pyplot as plt

# 加载数据集
tips = sns.load_dataset("tips")

# 绘制矩阵图
sns.heatmap(tips.pivot_table(index="sex", columns="time", values="tip"), 
            annot=True, cmap="YlGnBu", vmax=5, vmin=0, fmt=".2f")

# 显示矩阵图
plt.show()

其中，使用pivot_table函数可以将原始数据按照指定的行、列和数值进行汇总。

实例2：绘制餐厅小费金额与性别、抽烟习惯的关系

import seaborn as sns
import matplotlib.pyplot as plt

# 加载数据集
tips = sns.load_dataset("tips")

# 绘制矩阵图
sns.heatmap(tips.pivot_table(index="sex", columns="smoker", values="tip"), 
            annot=True, cmap="YlGnBu", vmax=5, vmin=0, fmt=".2f")

# 显示矩阵图
plt.show()

在这个示例中，我们将小费金额与性别、抽烟习惯进行了对比。

4. 小结

本篇攻略详细介绍了seaborn库中绘制矩阵图的方法和实例。希望通过这篇攻略，你可以更好地掌握矩阵图的绘制方法，并应用到自己的数据分析中。