使用 Seaborn FacetGrid 绘制相关热图

Question

我正在尝试使用热图创建单个图像，热图分别代表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 class 创建热图

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

我明白了：

但后来我尝试列出所有标签，如下所示：

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

遗憾的是我得到了这个对我来说毫无意义的东西：

Answer 1

没有 FacetGrid，但为列中的每个组制作了一个 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 lambda 以在转到 heatmap 之前通过 corr 正确传递来自 g.facet_data() 生成器的数据。

Answer 2

事实证明，如果你使用 map_dataframe 而不是 map，那么只用 seaborn 就可以非常简洁地做到这一点：

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，这样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 : floats, optional

Values to anchor the colormap, otherwise they are inferred from the data and other keyword arguments.

使用 Seaborn FacetGrid 绘制相关热图

Plotting correlation heatmaps with Seaborn FacetGrid

python

plot

pandas

seaborn