热图被定义为数据的图形表示，使用颜色来可视化矩阵的值。在这种情况下，为了表示更常见的值或更高的活动，通常使用较亮的颜色，而为了表示不太常见的活动值，首选较暗的颜色。热度地图也由着色矩阵的名称定义。Seaborn 中的热图可以使用 seaborn.heatmap（） 函数绘制。

seaborn.heatmap（）

语法： seaborn.heatmap（data， *， vmin=None， vmax=None， cmap=None， center=None， annot_kws=None， linewidths=0， linecolor='white'， cbar=True， **kwargs)

重要参数：

• data：可以强制转换为 ndarray 的 2D 数据集。
• vmin， vmax：锚定颜色图的值，否则它们将从数据和其他关键字参数中推断出来。
• CMAP：从数据值到色彩空间的映射。
• 中心： 绘制发散数据时颜色图居中的值。
• 注意： 如果为 True，则在每个单元格中写入数据值。
• FMT 的： 添加注释时使用的字符串格式代码。
• linewidths： 线宽：将划分每个单元格的线的宽度。
• linecolor 中： 将划分每个单元格的线条的颜色。
• cbar 中： 是否绘制颜色条。

除 data 之外的所有参数都是可选的。

返回： matplotlib.axes._subplots 类型的对象。轴子图

让我们通过示例了解热图。

基本热图

使用默认参数制作热图。我们将使用 NumPy 模块的 randint（） 函数创建一个 10×10 二维数据。

输出：

The data to be plotted:

[[46 30 55 86 42 94 31 56 21  7]
[68 42 95 28 93 13 90 27 14 65]
[73 84 92 66 16 15 57 36 46 84]
[ 7 11 41 37  8 41 96 53 51 72]
[52 64  1 80 33 30 91 80 28 88]
[19 93 64 23 72 15 39 35 62  3]
[51 45 51 17 83 37 81 31 62 10]
[ 9 28 30 47 73 96 10 43 30  2]
[74 28 34 26  2 70 82 53 97 96]
[86 13 60 51 95 26 22 29 14 29]]

我们将在所有示例中使用相同的数据。

锚定颜色图

如果我们将 vmin 值设置为 30 并将 vmax 值设置为 70，则只会显示值介于 30 和 70 之间的单元格。这称为锚定颜色图。

输出：

选择颜色图

在这里，我们将查看 cmap 参数。Matplotlib 为我们提供了多个颜色图，您可以在此处查看所有颜色图。在我们的示例中，我们将使用 tab20。

输出：

将颜色图居中

通过将 center 参数传递为 0，将 cmap 居中为 0。

输出：

显示单元格值

如果我们想要显示单元格的值，那么我们将参数 annot 作为 True 传递。fmt 用于选择所显示单元格内容的数据类型。

输出：

自定义分离线

我们可以分别使用 linewidth 和 linecolor 参数更改分隔单元格的线条的粗细和颜色。

输出：

隐藏颜色条

我们可以通过将 cbar 参数设置为 False 来禁用颜色条。

输出：

删除标签

我们可以通过在 xticklabels 和 yticklabels 参数中分别传递 False 来禁用 x-label 和 y-label。

输出：