[已解决]热力图怎么画

造梦师pot

# 绘制热力图，观察各个特征之间的相关性

# 创建图像
grid_kws = {"width_ratios": (.9, .9, .05), "wspace": 0.2}
f, (ax1, ax2, cbar_ax) = plt.subplots(1, 3, gridspec_kw=grid_kws, figsize = (18, 9))
# 定义调色板
cmap = sns.diverging_palette(0, 230, 90, 60, as_cmap=True)

# 画 NotFraud 表中的各个特征间相关性热力图
# 计算上三角mask矩阵
mask1 = np.zeros_like(corr_NotFraud)
indices = np.triu_indices_from(corr_NotFraud)
mask1[indices] = True

# 过滤空值
mask1 = mask1[1:, :-1]
corr_NotFraud = corr_NotFraud.iloc[1:, :-1].copy()
ax1 =sns.???(corr_NotFraud, ax = ax1, vmin = -1, vmax = 1, cmap = cmap, square = False, \
                  annot=True, fmt=".2f", linewidths = 0.5, mask = mask1, cbar = False)
ax1.set_xticklabels(ax1.get_xticklabels(), size = 16);
ax1.set_yticklabels(ax1.get_yticklabels(), size = 16);
ax1.set_title('fraud=1的热力图', size = 20)

# 画 Fraud 表中的各个特征间相关性热力图

# 计算上三角mask矩阵
mask2 = np.zeros_like(corr_Fraud)
indices = np.triu_indices_from(corr_Fraud)
mask2[indices] = True

# 过滤空值
mask2 = mask2[1:, :-1]
corr_Fraud = corr_Fraud.iloc[1:, :-1].copy()

ax2 = sns.???(corr_Fraud, vmin = -1, vmax = 1, cmap = cmap, ax = ax2, square = False, \
                  linewidths = 0.5, mask = mask2, yticklabels = False, \
                  annot=True, fmt=".2f", cbar_ax = cbar_ax, cbar_kws={'orientation': 'vertical',  'ticks': [-1, -0.5, 0, 0.5, 1]})

ax2.set_xticklabels(ax2.get_xticklabels(), size = 16);
ax2.set_title('fraud=0的热力图', size = 20);

cbar_ax.set_yticklabels(cbar_ax.get_yticklabels(), size = 14);

plt.show()    # 展示图像

最佳答案

月排行榜 / 总排行榜

sfqxx

2023-6-11 11:17:15

在第一个空白处填写`heatmap`函数，在第二个空白处也填写`heatmap`函数即可。

对于第一个热力图，可以直接使用：

1. sns.heatmap(corr_NotFraud, ax = ax1, vmin = -1, vmax = 1, cmap = cmap, square = False, \
   
2.             annot=True, fmt=".2f", linewidths = 0.5, mask = mask1, cbar = False)

复制代码

对于第二个热力图，需要添加colorbar，因此将其赋值给一个变量`ax2`，并在调用`heatmap()`函数时使用其他参数：

1. 
   
2. ax2 = sns.heatmap(corr_Fraud, vmin = -1, vmax = 1, cmap = cmap, ax = ax2, square = False, \
   
3.                   linewidths = 0.5, mask = mask2, yticklabels = False, \
   
4.                   annot=True, fmt=".2f", cbar_ax = cbar_ax, cbar_kws={'orientation': 'vertical',  'ticks': [-1, -0.5, 0, 0.5, 1]})

复制代码

完整代码如下：

1. # 绘制热力图，观察各个特征之间的相关性
   
2. 
   
3. # 创建图像
   
4. grid_kws = {"width_ratios": (.9, .9, .05), "wspace": 0.2}
   
5. f, (ax1, ax2, cbar_ax) = plt.subplots(1, 3, gridspec_kw=grid_kws, figsize = (18, 9))
   
6. # 定义调色板
   
7. cmap = sns.diverging_palette(0, 230, 90, 60, as_cmap=True)
   
8. 
   
9. # 画 NotFraud 表中的各个特征间相关性热力图
   
10. # 计算上三角mask矩阵
    
11. mask1 = np.zeros_like(corr_NotFraud)
    
12. indices = np.triu_indices_from(corr_NotFraud)
    
13. mask1[indices] = True
    
14. 
    
15. # 过滤空值
    
16. mask1 = mask1[1:, :-1]
    
17. corr_NotFraud= corr_NotFraud.iloc[1:, :-1].copy()
    
18. # 在第一个空白处填写 heatmap 函数
    
19. sns.heatmap(corr_NotFraud, ax = ax1, vmin = -1, vmax = 1, cmap = cmap, square = False, \
    
20.             annot=True, fmt=".2f", linewidths = 0.5, mask = mask1, cbar = False)
    
21. 
    
22. # 画 Fraud 表中的各个特征间相关性热力图
    
23. # 计算上三角mask矩阵
    
24. mask2 = np.zeros_like(corr_Fraud)
    
25. indices = np.triu_indices_from(corr_Fraud)
    
26. mask2[indices] = True
    
27. 
    
28. # 过滤空值
    
29. mask2 = mask2[1:, :-1]
    
30. 
    
31. # 将第二个 heatmap 赋值给 ax2，并添加 colorbar
    
32. ax2 = sns.heatmap(corr_Fraud, vmin = -1, vmax = 1, cmap = cmap, ax = ax2, square = False, \
    
33.                   linewidths = 0.5, mask = mask2, yticklabels = False, \
    
34.                   annot=True, fmt=".2f", cbar_ax = cbar_ax, cbar_kws={'orientation': 'vertical',  'ticks': [-1, -0.5, 0, 0.5, 1]})
    
35. 
    
36. # 添加标题
    
37. ax1.set_title("Correlation matrix of NotFraud")
    
38. ax2.set_title("Correlation matrix of Fraud")
    
39. 
    
40. # 调整图像
    
41. plt.subplots_adjust(wspace = 0.05)
    
42. plt.show()

复制代码

其中，第一个空白处填写的是 `sns.heatmap(corr_NotFraud, ax = ax1, vmin = -1, vmax = 1, cmap = cmap, square = False,             annot=True, fmt=".2f", linewidths = 0.5, mask = mask1, cbar = False)`，

第二个空白处填写的是 `sns.heatmap(corr_Fraud, vmin = -1, vmax = 1, cmap = cmap, ax = ax2, square = False,                   linewidths = 0.5, mask = mask2, yticklabels = False,                   annot=True, fmt=".2f", cbar_ax = cbar_ax, cbar_kws={'`orientation': 'vertical',  'ticks': [-1, -0.5, 0, 0.5, 1]})`。

给个最佳答案

跳转到最佳答案楼层

isdkz

在你的代码中，你想要生成两个热力图来展示数据中特征间的相关性。这个过程中使用了 seaborn 库的热力图函数。不过，在你的代码中有两处 ??? ，我猜测你可能想要调用 seaborn 的 heatmap 函数。下面是修改后的代码：

1. import numpy as np
   
2. import seaborn as sns
   
3. import matplotlib.pyplot as plt
   
4. 
   
5. # 创建图像
   
6. grid_kws = {"width_ratios": (.9, .9, .05), "wspace": 0.2}
   
7. f, (ax1, ax2, cbar_ax) = plt.subplots(1, 3, gridspec_kw=grid_kws, figsize = (18, 9))
   
8. 
   
9. # 定义调色板
   
10. cmap = sns.diverging_palette(0, 230, 90, 60, as_cmap=True)
    
11. 
    
12. # 计算上三角mask矩阵
    
13. mask1 = np.zeros_like(corr_NotFraud)
    
14. indices = np.triu_indices_from(corr_NotFraud)
    
15. mask1[indices] = True
    
16. 
    
17. # 过滤空值
    
18. mask1 = mask1[1:, :-1]
    
19. corr_NotFraud = corr_NotFraud.iloc[1:, :-1].copy()
    
20. ax1 =sns.heatmap(corr_NotFraud, ax = ax1, vmin = -1, vmax = 1, cmap = cmap, square = False, \
    
21.                   annot=True, fmt=".2f", linewidths = 0.5, mask = mask1, cbar = False)
    
22. ax1.set_xticklabels(ax1.get_xticklabels(), size = 16);
    
23. ax1.set_yticklabels(ax1.get_yticklabels(), size = 16);
    
24. ax1.set_title('fraud=1的热力图', size = 20)
    
25. 
    
26. # 计算上三角mask矩阵
    
27. mask2 = np.zeros_like(corr_Fraud)
    
28. indices = np.triu_indices_from(corr_Fraud)
    
29. mask2[indices] = True
    
30. 
    
31. # 过滤空值
    
32. mask2 = mask2[1:, :-1]
    
33. corr_Fraud = corr_Fraud.iloc[1:, :-1].copy()
    
34. 
    
35. ax2 = sns.heatmap(corr_Fraud, vmin = -1, vmax = 1, cmap = cmap, ax = ax2, square = False, \
    
36.                   linewidths = 0.5, mask = mask2, yticklabels = False, \
    
37.                   annot=True, fmt=".2f", cbar_ax = cbar_ax, cbar_kws={'orientation': 'vertical',  'ticks': [-1, -0.5, 0, 0.5, 1]})
    
38. 
    
39. ax2.set_xticklabels(ax2.get_xticklabels(), size = 16);
    
40. ax2.set_title('fraud=0的热力图', size = 20);
    
41. 
    
42. cbar_ax.set_yticklabels(cbar_ax.get_yticklabels(), size = 14);
    
43. 
    
44. plt.show()    # 展示图像
    

复制代码

这里需要注意，你需要先定义 corr_NotFraud 和 corr_Fraud 两个数据矩阵。这些矩阵应当由你的数据计算得出，例如可以使用 pandas 库中 DataFrame 的 corr() 函数计算各列之间的相关性。比如： corr_NotFraud = notFraudData.corr() ，其中 notFraudData 是你的非欺诈数据的 DataFrame 。

sfqxx

在第一个空白处填写`heatmap`函数，在第二个空白处也填写`heatmap`函数即可。

对于第一个热力图，可以直接使用：

1. sns.heatmap(corr_NotFraud, ax = ax1, vmin = -1, vmax = 1, cmap = cmap, square = False, \
   
2.             annot=True, fmt=".2f", linewidths = 0.5, mask = mask1, cbar = False)

复制代码

对于第二个热力图，需要添加colorbar，因此将其赋值给一个变量`ax2`，并在调用`heatmap()`函数时使用其他参数：

1. 
   
2. ax2 = sns.heatmap(corr_Fraud, vmin = -1, vmax = 1, cmap = cmap, ax = ax2, square = False, \
   
3.                   linewidths = 0.5, mask = mask2, yticklabels = False, \
   
4.                   annot=True, fmt=".2f", cbar_ax = cbar_ax, cbar_kws={'orientation': 'vertical',  'ticks': [-1, -0.5, 0, 0.5, 1]})

复制代码

完整代码如下：

1. # 绘制热力图，观察各个特征之间的相关性
   
2. 
   
3. # 创建图像
   
4. grid_kws = {"width_ratios": (.9, .9, .05), "wspace": 0.2}
   
5. f, (ax1, ax2, cbar_ax) = plt.subplots(1, 3, gridspec_kw=grid_kws, figsize = (18, 9))
   
6. # 定义调色板
   
7. cmap = sns.diverging_palette(0, 230, 90, 60, as_cmap=True)
   
8. 
   
9. # 画 NotFraud 表中的各个特征间相关性热力图
   
10. # 计算上三角mask矩阵
    
11. mask1 = np.zeros_like(corr_NotFraud)
    
12. indices = np.triu_indices_from(corr_NotFraud)
    
13. mask1[indices] = True
    
14. 
    
15. # 过滤空值
    
16. mask1 = mask1[1:, :-1]
    
17. corr_NotFraud= corr_NotFraud.iloc[1:, :-1].copy()
    
18. # 在第一个空白处填写 heatmap 函数
    
19. sns.heatmap(corr_NotFraud, ax = ax1, vmin = -1, vmax = 1, cmap = cmap, square = False, \
    
20.             annot=True, fmt=".2f", linewidths = 0.5, mask = mask1, cbar = False)
    
21. 
    
22. # 画 Fraud 表中的各个特征间相关性热力图
    
23. # 计算上三角mask矩阵
    
24. mask2 = np.zeros_like(corr_Fraud)
    
25. indices = np.triu_indices_from(corr_Fraud)
    
26. mask2[indices] = True
    
27. 
    
28. # 过滤空值
    
29. mask2 = mask2[1:, :-1]
    
30. 
    
31. # 将第二个 heatmap 赋值给 ax2，并添加 colorbar
    
32. ax2 = sns.heatmap(corr_Fraud, vmin = -1, vmax = 1, cmap = cmap, ax = ax2, square = False, \
    
33.                   linewidths = 0.5, mask = mask2, yticklabels = False, \
    
34.                   annot=True, fmt=".2f", cbar_ax = cbar_ax, cbar_kws={'orientation': 'vertical',  'ticks': [-1, -0.5, 0, 0.5, 1]})
    
35. 
    
36. # 添加标题
    
37. ax1.set_title("Correlation matrix of NotFraud")
    
38. ax2.set_title("Correlation matrix of Fraud")
    
39. 
    
40. # 调整图像
    
41. plt.subplots_adjust(wspace = 0.05)
    
42. plt.show()

复制代码

其中，第一个空白处填写的是 `sns.heatmap(corr_NotFraud, ax = ax1, vmin = -1, vmax = 1, cmap = cmap, square = False,             annot=True, fmt=".2f", linewidths = 0.5, mask = mask1, cbar = False)`，

第二个空白处填写的是 `sns.heatmap(corr_Fraud, vmin = -1, vmax = 1, cmap = cmap, ax = ax2, square = False,                   linewidths = 0.5, mask = mask2, yticklabels = False,                   annot=True, fmt=".2f", cbar_ax = cbar_ax, cbar_kws={'`orientation': 'vertical',  'ticks': [-1, -0.5, 0, 0.5, 1]})`。

给个最佳答案