使用 Seaborn FacetGrid 绘制相关热图答案

【问题标题】：Plotting correlation heatmaps with Seaborn FacetGrid使用 Seaborn FacetGrid 绘制相关热图
【发布时间】：2015-06-17 23:52:48
【问题描述】：

我正在尝试创建一个带有热图的图像，分别表示每个标签的数据点特征的相关性。使用 seaborn，我可以像这样为单个类创建热图

grouped = df.groupby('target')
sns.heatmap(grouped.get_group('Class_1').corr())

我明白这是有道理的：

然后我尝试像这样列出所有标签：

g = sns.FacetGrid(df, col='target')
g.map(lambda grp: sns.heatmap(grp.corr()))

很遗憾，我明白了这对我来说毫无意义：

【问题讨论】：

您想要九个热图，每个都显示一个目标内的相关性？
是的，我接受了@cphlewis 的回答，因为它有效，但到目前为止，我喜欢 seaborn 的一点是你可以快速而肮脏地绘制东西，因为你几乎可以告诉它“绘制这个“它会想出一些东西。我的用例几乎就是这样：对我来说，如何排列热图或显示什么轴并不是很重要，只是以我要求的格式查看该信息。所以让 lambda 工作会非常有帮助:)
是的，我赶时间并没有正确点击按钮thanx :)
有趣的是我注意到了！无论如何，我花了一段时间设置一个 lambda。您可以看到每个方面的数据，但不能在适当的位置更改它，并且热图期望其参数的方式不像情节等那样，期望他们的数据轻松映射，简而言之，自己滚动看起来像这样去。也许如果你把标题更具体一点，seaborn 专家会注意到——“将相关热图绘制到 FacetGrid 中”，也许？
您的map_dataframe 解决方案是正确的——您可能想在下面添加它，因为我一开始没有看到它，正准备把它写下来作为答案。但是 cphlewis 的例子也很好，因为通常在 matplotlib 中创建一个 Axes 网格并使用 for 循环比尝试将数据转换为 FacetGrid 期望的格式更容易。

标签： python pandas plot seaborn

【解决方案1】：

如果你使用 map_dataframe 而不是 map，你可以非常简洁地使用 seaborn：

g = sns.FacetGrid(df, col='target')
g.map_dataframe(lambda data, color: sns.heatmap(data.corr(), linewidths=0))

@mwaskom 在他的评论中指出，明确设置颜色图的限制可能是个好主意，以便可以更直接地比较不同的方面。 documentation 描述了相关的heatmap 参数：

vmin，vmax：浮动，可选

锚定颜色图的值，否则它们是从数据和其他关键字参数中推断出来的。

【讨论】：

【解决方案2】：

没有 FacetGrid，但为列中的每个组制作一个 corr 热图：

import pandas as pd
import seaborn as sns
from numpy.random import randint
import matplotlib.pyplot as plt


df = pd.DataFrame(randint(0,10,(200,12)),columns=list('abcdefghijkl'))
grouped = df.groupby('a')
rowlength = grouped.ngroups/2 # fix up if odd number of groups
fig, axs = plt.subplots(figsize=(9,4), nrows=2, ncols=rowlength)

targets = zip(grouped.groups.keys(), axs.flatten())
for i, (key, ax) in enumerate(targets):
    sns.heatmap(grouped.get_group(key).corr(), ax=ax,
                xticklabels=(i >= rowlength),
                yticklabels=(i%rowlength==0),
                cbar=False) # Use cbar_ax into single side axis
    ax.set_title('a=%d'%key)
plt.show()

也许有一种方法可以设置一个 lambda，以便在转到 heatmap 之前正确地将来自 g.facet_data() 生成器的数据通过 corr 传递。

【讨论】：