热力图是数据分析的常用方法,通过色差、亮度来展示数据的差异、易于理解。目前,常见的是看数据表里多个特征两两的相关度热力图。
基于此思想,做出柱状热力图,用于展现单个特征针对整体的相关度,以此列出所有特征,每个特征与整体的相关度,如下图所示。
需求:
(1)各个特征柱形条,按热力图规则采用渐变颜色,例如样图中采用'inferno'色带;
(2)由于渐变的原因,会出现接近背景的颜色,需要给柱形条加外边框;
(3)考虑过0的分界坐标;
(4)加注颜色渐变条形颜色棒(Colorbar);
(5)最好加上数据标注。
渐变颜色条采用matplotlib内置色带,也就是在cmap中提供了一些默认色带[color example code]:
实现代码如下:
import matplotlib.pyplot as plt
from matplotlib import cm
def draw_bar(key_name,key_values):
plt.rcParams['font.sans-serif']=['SimHei'] #显示中文标签
plt.rcParams['axes.unicode_minus']=False
# 标准柱状图的值
def autolable(rects):
for rect in rects:
height = rect.get_height()
if height>=0:
plt.text(rect.get_x()+rect.get_width()/2.0 - 0.3,height+0.02,'%.3f'%height)
else:
plt.text(rect.get_x()+rect.get_width()/2.0 - 0.3,height-0.06,'%.3f'%height)
# 如果存在小于0的数值,则画0刻度横向直线
plt.axhline(y=0,color='black')
#归一化
norm = plt.Normalize(-1,1)
norm_values = norm(key_values)
map_vir = cm.get_cmap(name='inferno')
colors = map_vir(norm_values)
fig = plt.figure() #调用figure创建一个绘图对象
plt.subplot(111)
ax = plt.bar(key_name,key_values,width=0.5,color=colors,edgecolor='black') # edgecolor边框颜色
sm = cm.ScalarMappable(cmap=map_vir,norm=norm) # norm设置最大最小值
sm.set_array([])
plt.colorbar(sm)
autolable(ax)
plt.show()
if __name__ == '__main__':
#multi_corr()
key_name = ['时长','鹤位','设定量','发油量','发油率','时间','月份','日期','损溢量','温度','密度']
key_values = [0.1,0.9,1,1,0.4,0.3,-0.1,-0.6,0.2,0.4,0.5]
draw_bar(key_name,key_values)
由于作者水平有限,欢迎讨论。
参考:
plt绘图颜色渐变以及colormap 一方的天地 2018.12
Python实现柱状图【数字精准展示,使用不同颜色】 博客园 , 云山之巅 2019.07
Matplotlib中柱状图bar使用 博客园 ,1直在路上1 ,2018.09
colorbar for a broken bar chart Stack Overflow ,2017.05