Il modulo python seaborn è basato su matplotlib e produce una mappa termica molto carina.
Di seguito è riportata un'implementazione con seaborn, progettata per il notebook ipython / jupyter.
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
%matplotlib inline
# import the data directly into a pandas dataframe
nba = pd.read_csv("http://datasets.flowingdata.com/ppg2008.csv", index_col='Name ')
# remove index title
nba.index.name = ""
# normalize data columns
nba_norm = (nba - nba.mean()) / (nba.max() - nba.min())
# relabel columns
labels = ['Games', 'Minutes', 'Points', 'Field goals made', 'Field goal attempts', 'Field goal percentage', 'Free throws made',
'Free throws attempts', 'Free throws percentage','Three-pointers made', 'Three-point attempt', 'Three-point percentage',
'Offensive rebounds', 'Defensive rebounds', 'Total rebounds', 'Assists', 'Steals', 'Blocks', 'Turnover', 'Personal foul']
nba_norm.columns = labels
# set appropriate font and dpi
sns.set(font_scale=1.2)
sns.set_style({"savefig.dpi": 100})
# plot it out
ax = sns.heatmap(nba_norm, cmap=plt.cm.Blues, linewidths=.1)
# set the x-axis labels on the top
ax.xaxis.tick_top()
# rotate the x-axis labels
plt.xticks(rotation=90)
# get figure (usually obtained via "fig,ax=plt.subplots()" with matplotlib)
fig = ax.get_figure()
# specify dimensions and save
fig.set_size_inches(15, 20)
fig.savefig("nba.png")
Il risultato è questo:
ho usato la mappa dei colori Blues matplotlib, ma personalmente trovo i colori predefiniti piuttosto belli. Ho usato matplotlib per ruotare le etichette dell'asse x, poiché non riuscivo a trovare la sintassi seaborn. Come notato da grexor, è stato necessario specificare le dimensioni (fig.set_size_inches) per tentativi ed errori, cosa che ho trovato un po 'frustrante.
Come notato da Paul H, puoi facilmente aggiungere i valori alle mappe di calore (annot = True), ma in questo caso non pensavo che migliorasse la figura. Diversi frammenti di codice sono stati presi dall'eccellente risposta di joelotz.