Mapa de calor de matplotlib

Mapas de calor são gráficos coloridos que visualizam os conjuntos de dados de maneira bidimensional. Para mostrar diversos detalhes, os mapas de cores utilizam tom, intensidade ou brilho para induzir a variabilidade. Esta paleta de cores fornece ao público sinais visuais sobre a amplitude dos valores quantitativos. Portanto, o cérebro humano percebe as imagens melhor do que figuras, texto ou outras informações escritas; Mapas de calor parecem ser sobre substituição de números por tons.

Como os humanos são alunos auditivos, faz muito mais sentido representar os dados em qualquer formato. Mapas de calor são representações visuais de dados que são simples de interpretar. Mapas de calor podem representar temas, variações e até aberrações e ilustrar a saturação ou brilho das variáveis. Os relacionamentos entre as variáveis ​​podem ser retratados usando mapas de calor.

Em ambas as dimensões, todos os elementos são exibidos. Os mapas de calor não têm sua funcionalidade no matplotlib, para que pudéssemos fazê -los com o método IMSHOW. Um tom específico expressa todos os elementos de uma matriz em um mapa de calor de matplotlib. Vamos analisar o mapa de calor do matplotlib neste artigo.

Use a função IMSHOW do Matplotlib para criar um mapa de calor simples:

A função IMSHOW no Python pode criar um mapa de calor em matplotlib. Tanto um conjunto de dados randomizado quanto um conjunto de dados definidos podem ser usados. Depois disso, aplicamos a função do IMSHOW, passando os dados, o valor do Colormap e a técnica de interpolação (esse método ajuda a melhorar a qualidade da imagem se usada).

Para um bom contraste contra a tonalidade do painel, as inscrições serão coloridas de maneira diferente com base em um limite. Em seguida, desligamos as espinhas axiais adjacentes e dividimos os aglomerados com uma grade. A saída para o código acima mencionado pode ser compreendida na captura de tela abaixo.

Mapa de calor com histograma 2D usando imshow:

Um mapa de calor é uma visualização da matriz de esquema de cores de dados retangulares. Aceita uma matriz 2D. Um ndarray pode ser criado a partir desses dados. Como pode ilustrar a relação entre várias variáveis, essa é uma abordagem útil para visualizar conjuntos de dados.

Aqui vamos criar um histograma 2D usando o método IMSHOW de Numpy e Matplotlib. Selecionaremos um conjunto de dados aleatório primeiro e depois o enviaremos para o método Histogram2d da Biblioteca Numpy. Posteriormente, a interface visual de mapa de calor completa é exibida usando o método IMSHOW. A saída para o código acima mencionado pode ser compreendida na captura de tela abaixo.

Este gráfico de mapa de calor é construído em um número aleatório gerado por Numpy.

Use Matplotlib para adicionar uma barra colorida a um mapa de calor:

Colorbar é uma escala simples que nos ajuda a compreender qual cor corresponde a qual valor. Matplotlib também tem uma função direta para aplicar uma barra de cores ao enredo.

O método pcolormesh seria usado na terceira instância deste artigo. Os métodos de Meshgrid e Linspace de Numpy são necessários para criar esta forma de um mapa de calor. Agora, a próxima fase seria usar operações matemáticas básicas para determinar os limites superior e inferior da trama.

Para visualizar mapas de calor com o método pcolormesh, precisamos usar a técnica das subparcelas. O conjunto de dados para os parâmetros selecionados fornecidos no método pcolormesh é criado com o módulo Linspace de Numpy.

Um conjunto de dados aleatório está sendo usado no gráfico colorido de mapa de calor aqui. Desta vez, emprega um mapa de cores múltiplas (CMAP), usando o esquema 'blues', que é composto inteiramente de cores azuis. A saída para o código acima mencionado pode ser compreendida na captura de tela abaixo.

Utilizamos um mapa de calor para observar a associação entre vários conjuntos de elementos. O mapa de calor de matplotlib com a barra de colorida é mostrado neste gráfico.

Mapa de calor rotulado:

Gostaríamos de escrever um código para gerar um mapa de calor específico para vários conjuntos de dados e/ou dimensões nesta etapa. Construímos um método que aceita o conjunto de dados e os nomes de linha e colunas como argumento e parâmetros para modificar o enredo.

Além do acima mencionado, gostaríamos de adicionar uma barra colorida e definir as legendas logo acima do mapa de calor e não abaixo dela.

Esta instância demonstra como criar mapas de calor anotados com o método IMSHOW. O gráfico de dados de mapa de calor é o mesmo; No entanto, o estilo visual muda. O conjunto de dados para o mapa de calor é fornecido como uma matriz, e podemos desenhar um mapa de calor anotado usando as subtramas e os métodos de IMSHOW.

A biblioteca Matplotlib é importada pela primeira vez. Começaremos descrevendo dados específicos. É necessária uma lista 2D ou matriz que define os valores para a cor específica. Então, inicializaremos as listas ou matrizes de categorias, com o conjunto de itens em cada um correspondendo os valores ao longo do longo e os eixos correspondentes.

Vamos inicializar duas matrizes aqui. Os nomes dos vegetais são representados em uma matriz, e os nomes dos países são representados na segunda matriz.

O mapa de calor é um gráfico de imshow com rótulos correspondentes às classificações que agora temos. Além disso, usando um loop for, podemos identificar os eixos X e Y. Por fim, poderíamos marcar os dados colocando um texto em todas as células que exibem o valor da célula. A saída para o código acima mencionado pode ser compreendida na captura de tela abaixo.

Esta saída mostra a produção de vários vegetais em vários países.

Conclusão:

Um mapa de calor é uma ferramenta visualmente atraente para determinar o brilho dos dados. Ele usa uma variedade de cores e padrões para expressar o conteúdo. Neste artigo de mapa de calor Matplotlib, mostramos como fazer um mapa de calor usando matplotlib. Diferentes funções que ajudam na criação de mapas de calor são explicados. As funções IMSHOW e PCOLORMESH também são introduzidas.

Mapas de calor podem ser usados ​​para analisar e visualizar dados de maneira eficaz. Devemos utilizar o método IMSHOW com o CMAP e os argumentos interpolados para fazer mapas de calor utilizando matplotlib. Os cientistas de dados freqüentemente usam mapas de calor para examinar a relação entre vários aspectos dos dados.