Seaborn heatmap - визуализация данных с помощью библиотеки Seaborn

Seaborn - это библиотека визуализации данных, основанная на матричных графиках, и одним из наиболее популярных типов графиков в Seaborn является тепловая карта (heatmap). Тепловая карта - это график, который используется для визуализации матрицы числовых данных, где значения цвета соответствуют значениям в матрице.

Для использования тепловых карт в Seaborn необходимо импортировать библиотеки Seaborn и Matplotlib, а также загрузить данные, которые вы хотите отобразить в виде тепловой карты. Для примера, давайте рассмотрим использование тепловой карты для визуализации корреляции между признаками в датасете.

Первым шагом будет импортирование необходимых библиотек:

<pre>
import seaborn as sns
import matplotlib.pyplot as plt
</pre>

Затем загрузим данные, например, используя функцию load_dataset() из библиотеки Seaborn:

<pre>
data = sns.load_dataset('iris')
</pre>

Теперь у нас есть данные, и мы можем создать тепловую карту с использованием функции heatmap() из Seaborn. Пример:

<pre>
correlation_matrix = data.corr()
sns.heatmap(correlation_matrix, annot=True, cmap='coolwarm')
plt.title('Correlation Heatmap')
plt.show()
</pre>

В этом примере мы сначала вычисляем корреляционную матрицу с помощью функции corr() для датасета data. Затем мы используем функцию heatmap() для визуализации этой матрицы в виде тепловой карты. Параметр annot=True позволяет включить аннотации со значениями в каждой ячейке, а параметр cmap='coolwarm' задает цветовую палитру для тепловой карты.

Также мы можем настроить различные аспекты тепловой карты, например, изменить цветовую палитру, добавить заголовок и метки к осям. Код ниже демонстрирует это:

<pre>
sns.heatmap(correlation_matrix, annot=True, cmap='BuGn', fmt='.2f', linewidths=.5, cbar=False)
plt.title('Correlation Heatmap')
plt.xlabel('Features')
plt.ylabel('Features')
plt.xticks(rotation=45)
plt.show()
</pre>

Здесь мы использовали параметр fmt='.2f', чтобы ограничить вывод значений до двух десятичных знаков, а параметр linewidths=.5 устанавливает ширину линий между ячейками. Параметр cbar=False убирает цветовую шкалу, если необходимо.

Seaborn также предоставляет другие методы для создания тепловых карт, например, clustermap(), которая позволяет визуализировать кластеризацию данных.

Вот пример использования функции clustermap():

<pre>
sns.clustermap(correlation_matrix, annot=True, cmap='coolwarm')
plt.title('Clustered Correlation Heatmap')
plt.show()
</pre>