Wayne熱圖（Heatmaps）常常用來顯示資料的相關係數（correlation coefficient）。本文章中，我們將介紹如何使用 Python 的 Matplotlib、Seaborn、以及 Plotly Express 套件來繪製熱圖。
Table of Contents
Matplotlib
Matplotlib 並沒有專門用來繪製熱圖的函式，不過我們可以利用它的 imshow() 來繪製熱圖。imshow() 可以將資料繪製成 2D regular raster。Raster 圖與熱圖有著一格一格的共同點，所以我們可以利用它來繪製熱圖。以下是它的宣告，詳細的參數請參考官網。
matplotlib.pyplot.imshow(X, cmap=None)
- X：2 維的資料結構。
- cmap：Color map。
下面的範例顯示如何使用 imshow() 來繪製熱圖。
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
attributes = ['Women Entrepreneurship Index', 'Entrepreneurship Index', 'Inflation rete', 'Female Labor Force Participation Rate']
df = pd.DataFrame([
[1.0, 0.91, -0.46, 0.44],
[0.91, 1, -0.4, 0.33],
[-0.46, -0.4, 1, -0.14],
[0.44, 0.33, -0.14, 1],
], columns=attributes, index=attributes)
fig, ax = plt.subplots()
im = ax.imshow(df)
ax.set_xticks(np.arange(len(df.columns)))
ax.set_xticklabels(df.columns)
plt.setp(ax.get_xticklabels(), rotation=45, ha="right", rotation_mode="anchor")
ax.set_yticks(np.arange(len(df.index)))
ax.set_yticklabels(df.index)
for i in range(len(df.columns)):
for j in range(len(df.index)):
text = ax.text(j, i, df.iloc[i, j], ha="center", va="center", color="w")
ax.set_title("Corr")
plt.show()
範例的程式碼蠻長的。主要是因為 imshow() 本來就不是專門用來繪製熱圖的。因此，我們先利用 imshow() 繪製出 raster 圖之後，再額外地在 x 軸與 y 軸上加上刻度的標題，然後在每一格中加上資料。最後就會像是熱圖了。
首先，我們先利用 subplots() 建立一個 figure 和 一個 subplot。它回傳的 fig 就是 figure，而 ax 就是 subplot。然後，呼叫 ax.imshow(df) 在 subplot 上將 df 繪製成 raster 圖。
接下來，呼叫 set_xticks() 設定 x 軸上刻度的數量，然後呼叫 set_xticklabels() 設定 x 軸刻度上的標題。對 y 軸也呼叫 set_yticks() 和 set_yticklabels() 來設定刻度。並且，呼叫 setp() 來將 x 軸刻度上的標題旋轉 45 度。
再來就是要設定格子中對應的資料。呼叫 text() 來對每一個格子設定資料。最後，呼叫 set_title() 來設定圖表的標題，並呼叫 show() 將圖表顯示出來。
官網中還有更多的範例顯示如何繪製熱圖，包含如何加上 color bar 和設定格子與格子間的間隔寬度。
Seaborn
Seaborn 的 heatmap() 是專門用來繪製熱圖。以下是它的宣告，其他詳細的參數請參照官網。
seaborn.heatmap(data, cmap=None, cbar=True, annot=None)
- data：2D 的資料。
- cmap：Color map。
- cbar：是否顯示 colorbar。
- annot：是否在每個格子裡顯示對應的資料。
以下是使用範例。
import pandas as pd
import seaborn as sns
attributes = ['Women Entrepreneurship Index', 'Entrepreneurship Index', 'Inflation rete', 'Female Labor Force Participation Rate']
df = pd.DataFrame([
[1.0, 0.91, -0.46, 0.44],
[0.91, 1, -0.4, 0.33],
[-0.46, -0.4, 1, -0.14],
[0.44, 0.33, -0.14, 1],
], columns=attributes, index=attributes)
sns.heatmap(df, annot=True)
Seaborn 會用 DataFrame 的欄位名稱來當作刻度上的標題。這非常地方便，所以範例程式碼也非常地簡單！
Plotly Express
如同 Matplotlib.imshow() 一樣，Plotly Express 的 imshow() 是用來繪製 2D regular raster。不過，Plotly Express 更加簡單使用。以下是它的宣告，其他詳細的參數請參照官網。
plotly.express.imshow(img, labels={}, title=None)- img：2 維資料。
- labels：x 軸與 y 軸刻度的標題。
- title：圖表的標題。
以下的範例顯示如何用 imshow() 來繪製熱圖。
import pandas as pd
import plotly.express as px
attributes = ['Women Entrepreneurship Index', 'Entrepreneurship Index', 'Inflation rete', 'Female Labor Force Participation Rate']
df = pd.DataFrame([
[1.0, 0.91, -0.46, 0.44],
[0.91, 1, -0.4, 0.33],
[-0.46, -0.4, 1, -0.14],
[0.44, 0.33, -0.14, 1],
], columns=attributes, index=attributes)
px.imshow(df)
我們發現 imshow() 所繪製出來的 raster 圖根本就是我們所需要的熱圖。不過，它預設不在每個格子中顯示資料，但是將游標移至每個格子上時，它還是會顯示相關的資料的。
下面的範例顯示如何預設就將資料顯示出來。
import plotly.figure_factory as ff
fig = ff.create_annotated_heatmap(df.values.tolist(),
x=df.columns.values.tolist(),
y=df.index.values.tolist())
fig.update_layout(title_text='Corr')
fig['data'][0]['showscale'] = True
fig.show()
我們要改用 create_annotated_heatmap() 來繪製熱圖。其中，注意到我們必須要用參數 x 和 y 來設定 x 軸與 y 軸刻度的標題。然後，呼叫 update_layout() 來設定圖表的標題。最後，fig['data'][0]['showscale'] = True 是用來顯示 colorbar。
結論
我們介紹了三個套件來繪製熱圖，分別為 Matplotlib、Seaborn、以及 Plotly Express。我們可以看出 Seaborn 最易於使用。不過，如果你希望有互動的工具列，那就要改用 Plotly Express 了。
Wayne
