Python Seaborn热图自动调整电池大小

Python Seaborn热图自动调整电池大小,python,seaborn,heatmap,Python,Seaborn,Heatmap,我正在尝试建立一个热图,如果有很多分类变量,它会工作得很好,但是如果有两到三个数据点,它看起来就不太好了,如第二幅图所示。我正在寻找一种基于数据点自动调整的方法 下面是函数 def bivariate(col1,col2,Title,cbar_size): temp2=modifiedloan.groupby([col1,col2,'loan_status']).id.agg('count').to_frame('count').reset_index() temp3=tem

我正在尝试建立一个热图,如果有很多分类变量,它会工作得很好,但是如果有两到三个数据点,它看起来就不太好了,如第二幅图所示。我正在寻找一种基于数据点自动调整的方法

下面是函数

def bivariate(col1,col2,Title,cbar_size):
    temp2=modifiedloan.groupby([col1,col2,'loan_status']).id.agg('count').to_frame('count').reset_index()
    temp3=temp2.pivot_table(index=(col1,col2), columns='loan_status', values='count').fillna(0)
    temp3['default%']=(temp3[0]/(temp3[0]+temp3[1]))
    temp3=temp3.reset_index()
    
    temp4=temp3.pivot_table(index=col1, columns=col2, values='default%').fillna(0)
    temp5=temp3.pivot_table(index=col1, columns=col2, values=[0]).fillna(0)
    f, (ax1) = plt.subplots(nrows=1, ncols=1, figsize=(12,6))

    cmap = sns.cm.rocket_r
    sns.heatmap(temp4,linewidths=1, ax=ax1,annot=False, fmt='g',cmap=cmap,cbar=True,cbar_kws={"shrink": cbar_size})

    sns.heatmap(temp5, annot=True, annot_kws={'va':'top'}, fmt="", cbar=False,ax=ax1)
    sns.heatmap(temp4, annot=True,  fmt=".1%",annot_kws={'va':'bottom'}, cbar=False,cmap=cmap)

    plt.ylim(b, t) # update the ylim(bottom, top) values    
    ax1.set_title(Title)


    plt.tight_layout()

我意识到问题在于安装的seaborn版本。同样的功能在我的一位同事的机器上运行得很好