Définir la taille de la carte thermique Seaborn

Manav Narula 30 janvier 2023
  1. Utilisez la fonction seaborn.set() pour définir la taille de la carte thermique Seaborn
  2. Utilisez la fonction matplotlib.pyplot.figure() pour définir la taille de la carte thermique marine
  3. Utilisez la fonction matplotlib.pyplot.gcf() pour définir la taille d’un tracé marin
Définir la taille de la carte thermique Seaborn

La carte thermique est utilisée pour produire une représentation graphique d’une matrice. Il trace une matrice sur le graphique et utilise différentes nuances de couleurs pour différentes valeurs.

Nous pouvons utiliser la fonction seaborn.heatmap() pour créer des tracés de carte thermique dans le module seaborn.

Tout en représentant une grande matrice, la taille par défaut du tracé peut ne pas fournir une représentation claire des données.

Dans ce tutoriel, nous aborderons ce problème et apprendrons comment modifier la taille des cartes thermiques marines.

Étant donné que la heatmap() renvoie un objet matplotlib-axes, nous pouvons également utiliser les fonctions de cette bibliothèque.

Utilisez la fonction seaborn.set() pour définir la taille de la carte thermique Seaborn

La fonction set() définit la configuration et le thème des plots marins. On peut mentionner la taille du plot dans le paramètre rc.

Par example,

import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns

df = pd.DataFrame(
    {
        "Day 1": [7, 1, 5, 6, 3, 10, 5, 8],
        "Day 2": [1, 2, 8, 4, 3, 9, 5, 2],
        "Day 3": [4, 6, 5, 8, 6, 1, 2, 3],
        "Day 4": [5, 8, 9, 5, 1, 7, 8, 9],
    }
)

sns.set(rc={"figure.figsize": (15, 8)})
sns.heatmap(df.corr())

taille de la carte thermique en utilisant la fonction set()

Notez que la valeur du paramètre rc est spécifiée comme un dictionnaire. La hauteur et la largeur finales sont transmises sous forme de tuple.

Utilisez la fonction matplotlib.pyplot.figure() pour définir la taille de la carte thermique marine

La fonction figure() permet d’initier ou de personnaliser la figure courante en Python. La carte thermique est tracée sur cette figure. La taille peut être modifiée à l’aide du paramètre figsize dans la fonction.

Par example,

import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns

df = pd.DataFrame(
    {
        "Day 1": [7, 1, 5, 6, 3, 10, 5, 8],
        "Day 2": [1, 2, 8, 4, 3, 9, 5, 2],
        "Day 3": [4, 6, 5, 8, 6, 1, 2, 3],
        "Day 4": [5, 8, 9, 5, 1, 7, 8, 9],
    }
)


plt.figure(figsize=(15, 8))
sns.heatmap(df.corr())

taille de la carte thermique en utilisant la fonction figure()

Notez que la fonction est utilisée avant la fonction heatmap().

Utilisez la fonction matplotlib.pyplot.gcf() pour définir la taille d’un tracé marin

La fonction gcf() renvoie un objet instance de vue de la figure. La taille de cet objet peut être modifiée à l’aide de la méthode set_size_inches(). De cette façon, nous pouvons définir la taille du tracé de la carte thermique sur cet objet.

Par example,

import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns

df = pd.DataFrame(
    {
        "Day 1": [7, 1, 5, 6, 3, 10, 5, 8],
        "Day 2": [1, 2, 8, 4, 3, 9, 5, 2],
        "Day 3": [4, 6, 5, 8, 6, 1, 2, 3],
        "Day 4": [5, 8, 9, 5, 1, 7, 8, 9],
    }
)


sns.heatmap(df.corr())
plt.gcf().set_size_inches(15, 8)

taille de la carte thermique à l’aide de la fonction gcf()

Notez que cette méthode est utilisée après la fonction heatmap().

De plus, il convient de noter que dans toutes les méthodes utilisées ci-dessus, la taille des annotations dans la carte thermique n’est pas beaucoup affectée.

Pour augmenter la taille des annotations, nous devons définir le paramètre annot sur True dans la fonction heatmap(). Ensuite, nous pouvons spécifier la taille de la police en tant que paire clé-valeur dans le paramètre annot_kws comme annot_kws = {'size':15}.

Auteur: Manav Narula
Manav Narula avatar Manav Narula avatar

Manav is a IT Professional who has a lot of experience as a core developer in many live projects. He is an avid learner who enjoys learning new things and sharing his findings whenever possible.

LinkedIn

Article connexe - Seaborn Heatmap