Python
 Computer >> コンピューター >  >> プログラミング >> Python

Matplotlibを使用してSeabornFacetGridでヒートマップを正方形にする方法は？

Seaborn facetgridでヒートマップを正方形にするには、 heatmap（）を使用します。 10×10のランダムデータセットを使用する方法。

ステップ

  • サイズが10×10で、最小が-1、最大が10のランダムデータを作成します。

  • heatmap（）を使用して、長方形のデータを色分けされた行列としてプロットします データとカラーマップを使用したメソッド"twilight_r" 。

  • 図を表示するには、 show（）を使用します メソッド。

例

import numpy as np
import seaborn as sn
import matplotlib.pyplot as plt
plt.rcParams["figure.figsize"] = [7.00, 3.50]
plt.rcParams["figure.autolayout"] = True
data = np.random.randint(low=-1, high=10, size=(10, 10))
hm = sn.heatmap(data=data, cmap="twilight_r")
plt.show()

出力

Matplotlibを使用してSeabornFacetGridでヒートマップを正方形にする方法は？


  1. FacetGridを使用してPythonSeabornLibraryのデータを視覚化するにはどうすればよいですか？

    棒グラフ関数は、カテゴリ変数と連続変数の間の関係を確立します。データは長方形のバーの形式で表され、バーの長さはその特定のカテゴリのデータの割合を示します。 ポイントプロットはバープロットに似ていますが、フィルバーを表す代わりに、データポイントの推定値は、他の軸上の特定の高さのポイントで表されます。 カテゴリデータは、ポイントプロットまたはファクタプロットと呼ばれる高レベルの関数を使用して、カテゴリ散布図または2つの別々のプロットを使用して視覚化できます。 factorplot関数は、パラメーター「kind」を使用して、FacetGridにカテゴリプロットを描画します。 ここでの「kind

  2. Pythonの「seaborn」ライブラリを使用してデータを視覚的に表現するにはどうすればよいですか？

    機械学習では、データからモデルを作成し、これまでに見たことのないデータを一般化します。入力として機械学習モデルに提供されるデータは、システムがデータを適切に理解して結果を生成できるようにする必要があります。 Seabornは、データの視覚化に役立つライブラリです。カスタマイズされたテーマと高レベルのインターフェースが付属しています。このインターフェースは、データの種類と、特定のフィルターが適用されたときのデータの動作をカスタマイズおよび制御するのに役立ちます。 Seabornライブラリには、さまざまなスタイルでの作業に役立つ「set_Style（）」と呼ばれるインターフェースが含まれていま