Aumente el tamaño de fuente del mapa de calor en Seaborn

Comenzamos este artículo con los conceptos básicos del mapa de calor. Aprenderemos qué es un mapa de calor y cómo anotar nuestro mapa de calor.

También veremos cómo cambiar el tamaño de fuente de nuestras etiquetas de marca en un mapa de calor de Seaborn.

Aumente el tamaño de fuente del mapa de calor en Seaborn

El mapa de calor es una herramienta de visualización de datos que se utiliza para representar gráficamente la magnitud de los datos mediante colores. Ayuda a identificar valores fácilmente a partir de un conjunto de datos determinado.

Comenzaremos importando la biblioteca Seaborn, Matplotlib y NumPy. Cargaremos algunos datos de Seaborn, que se trata de automóviles.

import seaborn as sb
import matplotlib.pyplot as plot
import numpy as np

CARS = sb.load_dataset("mpg")
CARS.head()

Cada fila da las estadísticas sobre un coche específico.

Avancemos y agrupemos algunos de esos datos antes de construir nuestro mapa de calor.

CARS.groupby("origin").cylinders.value_counts()

Agruparemos por origen o región donde se fabricó cada automóvil y luego también veremos la cantidad de cilindros de cada automóvil. Solo estamos haciendo un recuento de valores, por lo que sabemos que había 63 autos diferentes con cuatro cilindros de Europa, etc.

Podemos ver que estos datos tienen este índice de varios niveles, por lo que debemos desapilar nuestros datos. Rellenaremos esos valores faltantes con ceros.

ORIGIN_CYL = CARS.groupby("origin").cylinders.value_counts().unstack().fillna(0)

Ahora sabemos cuántos automóviles se produjeron en cada región con cada número de cilindros.

Ahora estamos listos para construir nuestro primer mapa de calor. Para construir un mapa de calor dentro de Seaborn, solo necesitamos hacer referencia a la biblioteca de Seaborn llamando al método heatmap() y pasando el marco de datos ORIGIN_CYL.

import seaborn as sb
import matplotlib.pyplot as plot
import numpy as np

CARS = sb.load_dataset("mpg")
CARS.head()

CARS.groupby("origin").cylinders.value_counts()

ORIGIN_CYL = CARS.groupby("origin").cylinders.value_counts().unstack().fillna(0)
sb.heatmap(ORIGIN_CYL)
plot.show()

Ahora podemos ver las diferentes filas y columnas aquí, y hemos asignado cada uno de esos valores a un color específico. Los valores más bajos se asignaron a los tonos más oscuros y los valores más altos se asignaron a los tonos más claros.

Podemos transponer nuestro mapa de calor con bastante facilidad utilizando la propiedad T.

import seaborn as sb
import matplotlib.pyplot as plot
import numpy as np

CARS = sb.load_dataset("mpg")
CARS.head()

CARS.groupby("origin").cylinders.value_counts()

ORIGIN_CYL = CARS.groupby("origin").cylinders.value_counts().unstack().fillna(0)
sb.heatmap(ORIGIN_CYL.T)
plot.show()

Invertirá completamente nuestra matriz. Ahora los cilindros representan las filas y los orígenes representan las columnas.

También podemos diseñar las anotaciones a través de un argumento llamado annot_kws. Este argumento acepta el diccionario y podemos pasar diferentes tipos de propiedades.

Podemos cambiar el tamaño de fuente, el peso de fuente y la familia de fuentes.

import seaborn as sb
import matplotlib.pyplot as plot
import numpy as np

CARS = sb.load_dataset("mpg")
CARS.head()

CARS.groupby("origin").cylinders.value_counts()

ORIGIN_CYL = CARS.groupby("origin").cylinders.value_counts().unstack().fillna(0)

sb.heatmap(
    ORIGIN_CYL,
    cmap="Blues",
    annot=True,
    fmt=".0f",
    annot_kws={"fontsize": 16, "fontweight": "bold", "fontfamily": "serif"},
)


plot.show()

La propiedad fontsize aumentará el tamaño de fuente de nuestro mapa de calor.

Podemos cambiar el tamaño de esos rectángulos usando un argumento cuadrado. Podemos especificar si queremos que cada uno de esos rectángulos sea un cuadrado perfecto; podemos activar esto configurándolo igual a True.

import seaborn as sb
import matplotlib.pyplot as plot
import numpy as np

CARS = sb.load_dataset("mpg")

sb.heatmap(CARS.corr(), cmap="RdBu", square=True)

plot.show()

Producción: