热度图是一种用颜色来表示数据分布的可视化方式。通常，越热的区域表示数据密度越高，越冷的区域表示数据密度越低。热度图在数据可视化中广泛使用。

手把手教你用Python绘制热度图(Heatmap)

什么是热度图？

热度图是一种用颜色来表示数据分布的可视化方式。通常，越热的区域表示数据密度越高，越冷的区域表示数据密度越低。热度图在数据可视化中广泛使用。

如何用Python绘制热度图？

Python中有许多绘制热度图的库，如Matplotlib、Seaborn、Bokeh等。在这里，我们将演示如何使用Seaborn库来绘制热度图。

步骤一：导入库

首先，我们需要导入Seaborn、NumPy和Pandas库。

import seaborn as sns
import numpy as np
import pandas as pd

步骤二：生成数据

接下来，我们需要生成一组数据来演示如何绘制热度图。在这里，我们使用Seaborn库提供的“flights”数据集。该数据集包含每个月的乘机人数。

flights = sns.load_dataset("flights")
data = flights.pivot("month", "year", "passengers")

步骤三：绘制热度图

下一步是使用Seaborn库中的heatmap函数来绘制热度图。

sns.heatmap(data, annot=True, fmt="d")

其中，data是我们要绘制的数据；annot表示是否在每个格子中显示数据；fmt表示显示数据的格式。

示例一：使用Seaborn库绘制热度图

下面是一个完整的代码示例，演示了如何使用Seaborn库绘制热度图。

import seaborn as sns
import numpy as np
import pandas as pd

flights = sns.load_dataset("flights")
data = flights.pivot("month", "year", "passengers")

sns.heatmap(data, annot=True, fmt="d")

该示例将生成一个热度图，其中每个格子表示每个月和每年的乘客数量。数字表示每个月和每年的总乘客数量。

示例二：使用自定义数据绘制热度图

除了使用Seaborn库提供的数据集之外，我们还可以使用自定义数据来绘制热度图。下面是一个示例，演示了如何使用自定义数据绘制热度图。

import seaborn as sns
import numpy as np
import pandas as pd

# 创建一个5x5的矩阵
data = np.random.rand(5, 5)

# 将矩阵转化为DataFrame
df = pd.DataFrame(data)

# 使用Seaborn库绘制热度图
sns.heatmap(df, annot=True, fmt=".2f")

该示例将生成一个热度图，其中每个格子表示DataFrame中的一个元素。数字表示每个元素的值。