类似热图的情节,但对于seaborn中的分类变量

Question

与热图类似的问题一样,但对于分类变量,但使用python和seaborn而不是R:

想象一下,我有以下数据帧:

df = pd.DataFrame({"John":"No Yes Maybe".split(),
                   "Elly":"Yes Yes Yes".split(),
                   "George":"No Maybe No".split()},
                   index="Mon Tue Wed".split())

现在我想绘制一个热图,并按照相应的值为每个单元格着色.那就是"是","否","可能",例如变成"绿色","灰色","黄色".图例应该具有这三种颜色和相应的值.

我自己用以下方式解决了这个问题.我似乎无法将分类颜色映射传递给seaborn的热图,因此我用数字替换所有文本并重新构建seaborn内部使用的颜色映射,即:

import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt
import numpy as np
import matplotlib.patches as mpatches

# create dictionary with value to integer mappings
value_to_int = {value: i for i, value in enumerate(sorted(pd.unique(df.values.ravel())))}

f, ax = plt.subplots()
hm = sns.heatmap(df.replace(value_to_int).T, cmap="Pastel2", ax=ax, cbar=False)
# add legend
box = ax.get_position()
ax.set_position([box.x0, box.y0, box.width * 0.7, box.height])
legend_ax = f.add_axes([.7, .5, 1, .1])
legend_ax.axis('off')
# reconstruct color map
colors = plt.cm.Pastel2(np.linspace(0, 1, len(value_to_int)))
# add color map to legend
patches = [mpatches.Patch(facecolor=c, edgecolor=c) for c in colors]
legend = legend_ax.legend(patches,
    sorted(value_to_int.keys()),
    handlelength=0.8, loc='lower left')
for t in legend.get_texts():
    t.set_ha("left")

我的问题:有没有更简洁的方法来制作这个热图？如果没有,这可能是一个值得实施的功能,在这种情况下我会将它发布在seaborn问题跟踪器上.

Answer 1

您可以使用离散颜色图并修改颜色条，而不是使用图例。

value_to_int = {j:i for i,j in enumerate(pd.unique(df.values.ravel()))} # like you did
n = len(value_to_int)     
# discrete colormap (n samples from a given cmap)
cmap = sns.color_palette("Pastel2", n) 
ax = sns.heatmap(df.replace(value_to_int), cmap=cmap) 
# modify colorbar:
colorbar = ax.collections[0].colorbar 
r = colorbar.vmax - colorbar.vmin 
colorbar.set_ticks([colorbar.vmin + r / n * (0.5 + i) for i in range(n)])
colorbar.set_ticklabels(list(value_to_int.keys()))                                          
plt.show()

颜色条部分改编自这个答案

HTH

Answer 2

我可能会使用散景来达到此目的，因为它内置了分类热图。Y 轴标签也是水平书写的，这更具可读性。

http://docs.bokeh.org/en/0.11.1/docs/gallery/heatmap_chart.html