Imposta la dimensione della mappa di calore Seaborn

Manav Narula 30 gennaio 2023
  1. Usa la funzione seaborn.set() per impostare la dimensione della mappa di calore di Seaborn
  2. Usa la funzione matplotlib.pyplot.figure() per impostare la dimensione della mappa di calore del mare
  3. Usa la funzione matplotlib.pyplot.gcf() per impostare la dimensione di una trama nata dal mare
Imposta la dimensione della mappa di calore Seaborn

La mappa di calore viene utilizzata per produrre una rappresentazione grafica di una matrice. Traccia una matrice sul grafico e utilizza diverse sfumature di colore per valori diversi.

Possiamo usare la funzione seaborn.heatmap() per creare grafici di heatmap nel modulo seaborn.

Pur rappresentando una matrice di grandi dimensioni, la dimensione predefinita del grafico potrebbe non fornire una rappresentazione chiara dei dati.

In questo tutorial, affronteremo questo problema e impareremo come modificare le dimensioni delle mappe di calore marine.

Poiché heatmap() restituisce un oggetto matplotlib-axes, possiamo usare anche le funzioni di quella libreria.

Usa la funzione seaborn.set() per impostare la dimensione della mappa di calore di Seaborn

La funzione set() definisce la configurazione e il tema delle parcelle marine. Possiamo menzionare la dimensione del grafico nel parametro rc.

Per esempio,

import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns

df = pd.DataFrame(
    {
        "Day 1": [7, 1, 5, 6, 3, 10, 5, 8],
        "Day 2": [1, 2, 8, 4, 3, 9, 5, 2],
        "Day 3": [4, 6, 5, 8, 6, 1, 2, 3],
        "Day 4": [5, 8, 9, 5, 1, 7, 8, 9],
    }
)

sns.set(rc={"figure.figsize": (15, 8)})
sns.heatmap(df.corr())

dimensione della mappa di calore usando la funzione set()

Notare che il valore per il parametro rc è specificato come dizionario. L’altezza e la larghezza finali vengono passate come tupla.

Usa la funzione matplotlib.pyplot.figure() per impostare la dimensione della mappa di calore del mare

La funzione figure() viene utilizzata per avviare o personalizzare la figura corrente in Python. La mappa di calore è tracciata in questa figura. La dimensione può essere modificata utilizzando il parametro figsize nella funzione.

Per esempio,

import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns

df = pd.DataFrame(
    {
        "Day 1": [7, 1, 5, 6, 3, 10, 5, 8],
        "Day 2": [1, 2, 8, 4, 3, 9, 5, 2],
        "Day 3": [4, 6, 5, 8, 6, 1, 2, 3],
        "Day 4": [5, 8, 9, 5, 1, 7, 8, 9],
    }
)


plt.figure(figsize=(15, 8))
sns.heatmap(df.corr())

dimensione della mappa di calore usando la funzione figure()

Si noti che la funzione viene utilizzata prima della funzione heatmap().

Usa la funzione matplotlib.pyplot.gcf() per impostare la dimensione di una trama nata dal mare

La funzione gcf() restituisce un oggetto istanza di visualizzazione della figura. La dimensione di questo oggetto può essere modificata utilizzando il metodo set_size_inches(). In questo modo, possiamo impostare la dimensione del grafico della mappa di calore su questo oggetto.

Per esempio,

import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns

df = pd.DataFrame(
    {
        "Day 1": [7, 1, 5, 6, 3, 10, 5, 8],
        "Day 2": [1, 2, 8, 4, 3, 9, 5, 2],
        "Day 3": [4, 6, 5, 8, 6, 1, 2, 3],
        "Day 4": [5, 8, 9, 5, 1, 7, 8, 9],
    }
)


sns.heatmap(df.corr())
plt.gcf().set_size_inches(15, 8)

dimensione della mappa di calore usando la funzione gcf()

Nota che questo metodo viene utilizzato dopo la funzione heatmap().

Inoltre, va notato che in tutti i metodi sopra utilizzati, la dimensione delle annotazioni nella mappa di calore non è influenzata molto.

Per aumentare la dimensione delle annotazioni, dobbiamo impostare il parametro annot su True nella funzione heatmap(). Quindi possiamo specificare la dimensione del carattere come coppia chiave-valore nel parametro annot_kws come annot_kws = {'size':15}.

Autore: Manav Narula
Manav Narula avatar Manav Narula avatar

Manav is a IT Professional who has a lot of experience as a core developer in many live projects. He is an avid learner who enjoys learning new things and sharing his findings whenever possible.

LinkedIn

Articolo correlato - Seaborn Heatmap