热力图的使用场景有
1.描述数据在空间的密集程度，常见有城市热力图，区域热力图
2.描述多个变量之间相关性高低程度
# step 1 准备数据集，读取excel列表内容，usecols = index, 这里是表里的第一列不读取。
index =range(1, 11)
dataset = np.array(pd.read_csv(r'C:\Users\Administrator\Desktop\heatmap.csv', usecols=index))
# step 2 读取excel行索引转成列表，作为热力图的y轴标签
a = (pd.read_csv(r'C:\Users\Administrator\Desktop\heatmap.csv', usecols=[0]))
y_label =list(a.stack())
# step 3 读取excel列索引转成列表，作为热力图的x轴标签
b = (pd.read_csv(r'C:\Users\Administrator\Desktop\heatmap.csv'))
column_index=(b.columns.tolist())
x_label = column_index[1:]
# 这一步是为了计算热力图的数据的最大值，可以进行标准化处理，也可以直接显示数据，dataframe转成list，从list里面寻找最大值
dataset_max = (pd.read_csv(r'C:\Users\Administrator\Desktop\heatmap.csv', usecols=index))
list1 = np.array(dataset_max.stack())
max_number =max(list1)
# step 4 开始绘制热力图
plt.figure(figsize=(14, 8))# 定义输出图像大小，annot参数决定是否在热力图上显示数值，Vmax,Vmin表示最大最小值，cmap表示颜色
sns.heatmap(dataset, fmt='.0f', annot=True, vmin=0, vmax=max_number, cmap='Reds', yticklabels=y_label,
xticklabels=x_label)
# 绘制标签
plt.xlabel('This is x label', labelpad=15)
plt.ylabel('This is y label', labelpad=20)
plt.show()
python中可使用seaborn.heatmap画热力图， 官方文档在这
在分类任务中，也可用于画混淆矩阵：
一些参数的含义：
例子：
将最后一行改为，设置最大值和最小值：
设置中心值：
从文件中获取数据，并画图给出有意义的横纵坐标：
将passengers对应的人数标出：
设置方格之间的间隔：
设置使用不同的颜色：
以某个具体的数据为中心：
自动填充坐标值：
不画右边的热度条：
热力图的一个常见应用场景是绘制相关系数热力图，数据准备一个相关系数矩阵。
调用 heatmap 方法绘制热力图。
设置 vmin 和 vmax 参数可以调整调色板的下限值和上限值。
设置 cmap 参数，可以修改调色板样式。
设置参数 cbar=False 可以隐藏图例。
设置参数 annot=True 可以显示热力图上的具体数值，设置 fmt 参数，可以修改数值显示的样式。
