Python-将NxN矩阵绘制为渐变颜色网格
我想可视化使用Python-将NxN矩阵绘制为渐变颜色网格,python,pandas,plot,dataframe,Python,Pandas,Plot,Dataframe,我想可视化使用datafrome.corr()方法得到的列之间的相关性 结果如下: 我在这里要做的是根据数据帧的值,用渐变色绘制矩阵 例如(只是一个来自web的示例): 如果您可以将数据导入numpy,这里有一个使用matplotlib的简单解决方案,应该可以生成与您发布的内容类似的热图。您只需要用数据替换虚拟数据 import numpy as np import matplotlib.pyplot as plt # Generate some test data data = np.ar
datafrome.corr()
方法得到的列之间的相关性
结果如下:
我在这里要做的是根据数据帧的值,用渐变色绘制矩阵
例如(只是一个来自web的示例):
如果您可以将数据导入numpy,这里有一个使用matplotlib的简单解决方案,应该可以生成与您发布的内容类似的热图。您只需要用数据替换虚拟数据
import numpy as np
import matplotlib.pyplot as plt
# Generate some test data
data = np.arange(100).reshape((10,10))
plt.title('Actual Function')
heatmap = plt.pcolor(data)
plt.show()
编辑:这里有一个带有x轴和y轴标签的更华丽的版本。我选择将它们放在两个列表中,以便您可以独立地更改每个列表
import numpy as np
import matplotlib.pyplot as plt
# Generate some test data
data = np.arange(100).reshape((10,10))
xlabels = ['capacity', 'failure_rate', 'id', 'margin', 'price', 'prod_cost', 'product_type', 'quality', 'warranty', 'market_share', 'attractiveness']
ylabels = ['capacity', 'failure_rate', 'id', 'margin', 'price', 'prod_cost', 'product_type', 'quality', 'warranty', 'market_share', 'attractiveness']
fig, ax = plt.subplots()
ax.set_xticks(np.arange(data.shape[1]) + 0.5, minor=False)
ax.set_yticks(np.arange(data.shape[0]) + 0.5, minor=False)
ax.xaxis.tick_top()
plt.xticks(rotation=90)
ax.set_xticklabels(xlabels, minor=False)
ax.set_yticklabels(ylabels, minor=False)
heatmap = ax.pcolor(data)
ax = plt.gca()
for t in ax.xaxis.get_major_ticks():
t.tick1On = False
t.tick2On = False
for t in ax.yaxis.get_major_ticks():
t.tick1On = False
t.tick2On = False
plt.show()
如果您可以将数据导入numpy,这里有一个使用matplotlib的简单解决方案,并且应该生成与您发布的内容类似的热图。您只需要用数据替换虚拟数据
import numpy as np
import matplotlib.pyplot as plt
# Generate some test data
data = np.arange(100).reshape((10,10))
plt.title('Actual Function')
heatmap = plt.pcolor(data)
plt.show()
编辑:这里有一个带有x轴和y轴标签的更华丽的版本。我选择将它们放在两个列表中,以便您可以独立地更改每个列表
import numpy as np
import matplotlib.pyplot as plt
# Generate some test data
data = np.arange(100).reshape((10,10))
xlabels = ['capacity', 'failure_rate', 'id', 'margin', 'price', 'prod_cost', 'product_type', 'quality', 'warranty', 'market_share', 'attractiveness']
ylabels = ['capacity', 'failure_rate', 'id', 'margin', 'price', 'prod_cost', 'product_type', 'quality', 'warranty', 'market_share', 'attractiveness']
fig, ax = plt.subplots()
ax.set_xticks(np.arange(data.shape[1]) + 0.5, minor=False)
ax.set_yticks(np.arange(data.shape[0]) + 0.5, minor=False)
ax.xaxis.tick_top()
plt.xticks(rotation=90)
ax.set_xticklabels(xlabels, minor=False)
ax.set_yticklabels(ylabels, minor=False)
heatmap = ax.pcolor(data)
ax = plt.gca()
for t in ax.xaxis.get_major_ticks():
t.tick1On = False
t.tick2On = False
for t in ax.yaxis.get_major_ticks():
t.tick1On = False
t.tick2On = False
plt.show()
看看seaborn
heatmap()
方法:。该页面上的最后一个示例是相关系数示例。您能否以可以复制粘贴到代码中的方式添加示例数据?(例如,将其导出到列表或dict并发布输出)查看seabornheatmap()
方法:。该页面上的最后一个示例是相关系数示例。您能否以可以复制粘贴到代码中的方式添加示例数据?(例如,将其导出到列表或dict并发布输出)