Pcolor ile matplotlib'de ısı haritası?

Bunun gibi bir ısı haritası yapmak istiyorum ( FlowingData'da gösterilir ):

Kaynak veriler buradadır , ancak rastgele veriler ve etiketlerin kullanılması uygundur, yani

import numpy
column_labels = list('ABCD')
row_labels = list('WXYZ')
data = numpy.random.rand(4,4)

Isı haritasını yapmak matplotlib'de yeterince kolaydır:

from matplotlib import pyplot as plt
heatmap = plt.pcolor(data)

Ve hatta doğru görünen bir renk haritası argümanı buldum :heatmap = plt.pcolor(data, cmap=matplotlib.cm.Blues)

Ancak bunun ötesinde, sütunlar ve satırlar için etiketleri nasıl görüntüleyeceğimi ve verileri doğru yönde nasıl görüntüleyeceğimi bulamıyorum (başlangıç ​​sol alt yerine sol üstte).

Manipüle etme girişimleri heatmap.axes(örneğin heatmap.axes.set_xticklabels = column_labels) başarısız oldu. Burada neyi özlüyorum?

Bu çok geç, ama işte flowingdata NBA ısı haritasının python uygulamam.

güncelleme: 1/4/2014 : herkese teşekkürler

# -*- coding: utf-8 -*-
# <nbformat>3.0</nbformat>

# ------------------------------------------------------------------------
# Filename   : heatmap.py
# Date       : 2013-04-19
# Updated    : 2014-01-04
# Author     : @LotzJoe >> Joe Lotz
# Description: My attempt at reproducing the FlowingData graphic in Python
# Source     : http://flowingdata.com/2010/01/21/how-to-make-a-heatmap-a-quick-and-easy-solution/
#
# Other Links:
#     http://stackoverflow.com/questions/14391959/heatmap-in-matplotlib-with-pcolor
#
# ------------------------------------------------------------------------

import matplotlib.pyplot as plt
import pandas as pd
from urllib2 import urlopen
import numpy as np
%pylab inline

page = urlopen("http://datasets.flowingdata.com/ppg2008.csv")
nba = pd.read_csv(page, index_col=0)

# Normalize data columns
nba_norm = (nba - nba.mean()) / (nba.max() - nba.min())

# Sort data according to Points, lowest to highest
# This was just a design choice made by Yau
# inplace=False (default) ->thanks SO user d1337
nba_sort = nba_norm.sort('PTS', ascending=True)

nba_sort['PTS'].head(10)

# Plot it out
fig, ax = plt.subplots()
heatmap = ax.pcolor(nba_sort, cmap=plt.cm.Blues, alpha=0.8)

# Format
fig = plt.gcf()
fig.set_size_inches(8, 11)

# turn off the frame
ax.set_frame_on(False)

# put the major ticks at the middle of each cell
ax.set_yticks(np.arange(nba_sort.shape[0]) + 0.5, minor=False)
ax.set_xticks(np.arange(nba_sort.shape[1]) + 0.5, minor=False)

# want a more natural, table-like display
ax.invert_yaxis()
ax.xaxis.tick_top()

# Set the labels

# label source:https://en.wikipedia.org/wiki/Basketball_statistics
labels = [
    'Games', 'Minutes', 'Points', 'Field goals made', 'Field goal attempts', 'Field goal percentage', 'Free throws made', 'Free throws attempts', 'Free throws percentage',
    'Three-pointers made', 'Three-point attempt', 'Three-point percentage', 'Offensive rebounds', 'Defensive rebounds', 'Total rebounds', 'Assists', 'Steals', 'Blocks', 'Turnover', 'Personal foul']

# note I could have used nba_sort.columns but made "labels" instead
ax.set_xticklabels(labels, minor=False)
ax.set_yticklabels(nba_sort.index, minor=False)

# rotate the
plt.xticks(rotation=90)

ax.grid(False)

# Turn off all the ticks
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

Çıktı şuna benzer:

Burada tüm bu kodun bulunduğu bir ipython not defteri var . 'Overflow'dan çok şey öğrendim, bu yüzden umarım birisi bunu faydalı bulacaktır.

Python seaborn modülü matplotlib'e dayalıdır ve çok güzel bir ısı haritası oluşturur.

Aşağıda, ipython / jupyter not defteri için tasarlanmış seaborn ile bir uygulama bulunmaktadır.

import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
%matplotlib inline
# import the data directly into a pandas dataframe
nba = pd.read_csv("http://datasets.flowingdata.com/ppg2008.csv", index_col='Name  ')
# remove index title
nba.index.name = ""
# normalize data columns
nba_norm = (nba - nba.mean()) / (nba.max() - nba.min())
# relabel columns
labels = ['Games', 'Minutes', 'Points', 'Field goals made', 'Field goal attempts', 'Field goal percentage', 'Free throws made', 
          'Free throws attempts', 'Free throws percentage','Three-pointers made', 'Three-point attempt', 'Three-point percentage', 
          'Offensive rebounds', 'Defensive rebounds', 'Total rebounds', 'Assists', 'Steals', 'Blocks', 'Turnover', 'Personal foul']
nba_norm.columns = labels
# set appropriate font and dpi
sns.set(font_scale=1.2)
sns.set_style({"savefig.dpi": 100})
# plot it out
ax = sns.heatmap(nba_norm, cmap=plt.cm.Blues, linewidths=.1)
# set the x-axis labels on the top
ax.xaxis.tick_top()
# rotate the x-axis labels
plt.xticks(rotation=90)
# get figure (usually obtained via "fig,ax=plt.subplots()" with matplotlib)
fig = ax.get_figure()
# specify dimensions and save
fig.set_size_inches(15, 20)
fig.savefig("nba.png")

Çıktı şuna benzer: Matplotlib Blues renk haritasını kullandım, ancak kişisel olarak varsayılan renkleri oldukça güzel buldum. Seaborn sözdizimini bulamadığım için x ekseni etiketlerini döndürmek için matplotlib kullandım. Grexor'un belirttiği gibi, biraz sinir bozucu bulduğum boyutları (fig.set_size_inches) deneme yanılma yoluyla belirtmek gerekiyordu.

Paul H'nin belirttiği gibi, değerleri ısı haritalarına kolayca ekleyebilirsiniz (annot = True), ancak bu durumda rakamı iyileştirdiğini düşünmemiştim. Joelotz'un mükemmel cevabından birkaç kod parçacığı alındı.

Temel sorun, önce x ve y işaretlerinizin konumunu ayarlamanız gerektiğidir. Ayrıca, matplotlib için daha nesneye yönelik arayüzün kullanılmasına yardımcı olur. Yani axesdoğrudan nesne ile etkileşime geçin .

import matplotlib.pyplot as plt
import numpy as np
column_labels = list('ABCD')
row_labels = list('WXYZ')
data = np.random.rand(4,4)
fig, ax = plt.subplots()
heatmap = ax.pcolor(data)

# put the major ticks at the middle of each cell, notice "reverse" use of dimension
ax.set_yticks(np.arange(data.shape[0])+0.5, minor=False)
ax.set_xticks(np.arange(data.shape[1])+0.5, minor=False)


ax.set_xticklabels(row_labels, minor=False)
ax.set_yticklabels(column_labels, minor=False)
plt.show()

Umarım yardımcı olur.

Birisi bu soruyu kullandığım kodu kaldırmak için düzenledi, bu yüzden onu yanıt olarak eklemek zorunda kaldım. Bu soruyu yanıtlayan herkese teşekkürler! Diğer cevapların çoğunun bu koddan daha iyi olduğunu düşünüyorum, bunu sadece referans amacıyla burada bırakıyorum.

İçin teşekkür grubu Paul H ve unutbu cevap ( bu soruyu ), bazı çok güzel görünümlü çıkışı vardır:

import matplotlib.pyplot as plt
import numpy as np
column_labels = list('ABCD')
row_labels = list('WXYZ')
data = np.random.rand(4,4)
fig, ax = plt.subplots()
heatmap = ax.pcolor(data, cmap=plt.cm.Blues)

# put the major ticks at the middle of each cell
ax.set_xticks(np.arange(data.shape[0])+0.5, minor=False)
ax.set_yticks(np.arange(data.shape[1])+0.5, minor=False)

# want a more natural, table-like display
ax.invert_yaxis()
ax.xaxis.tick_top()

ax.set_xticklabels(row_labels, minor=False)
ax.set_yticklabels(column_labels, minor=False)
plt.show()

Ve işte çıktı: