Python 数据可视化：如何用 Seaborn 绘制热力图？

在数据分析和可视化领域，Seaborn 是一个非常强大的 Python 库。它是基于 matplotlib 库的，但是它提供了一些高级功能，可以帮助数据分析师更快地创建漂亮的可视化图表。本文将介绍如何使用 Seaborn 库来绘制热力图。

1. 安装 Seaborn
在开始之前，您需要安装 Seaborn 库。如果您使用的是 Anaconda，可以使用以下命令安装：

conda install seaborn
如果您使用的是 pip，可以使用以下命令安装：

pip install seaborn

2. 导入库和数据
在本文中，我们将使用 Seaborn 自带的数据集 flights。我们将从 seaborn 库中导入它。

import seaborn as sns

flights_data = sns.load_dataset("flights")

接下来，我们需要导入其他必要的库：

import matplotlib.pyplot as plt
import numpy as np

3. 绘制热力图
我们可以使用 seaborn 库中的 heatmap() 函数来绘制热力图。此函数需要两个参数：x 轴的标签和 y 轴的标签。我们可以将这些标签设置为数据集 flights_data 中的月份和年份：

# 设置图表大小
plt.figure(figsize=(10,8))

# 绘制热力图
sns.heatmap(flights_data.pivot("month", "year", "passengers"), annot=True, fmt="d")

# 添加标题
plt.title("Passengers on Flights from 1949 to 1960")

# 显示热力图
plt.show()

在上面的代码中，我们使用 pivot() 函数来重塑数据。这个函数将数据集从长格式转换为宽格式。pivot() 函数需要三个参数，分别是行、列和值。在我们的示例中，我们将月份作为行、年份作为列，以及乘客人数作为值。

heatmap() 函数还有其他可用的参数。例如，我们可以使用 annot=True 来在单元格中显示数值。还可以使用 fmt="d" 来格式化这些数值。

4. 总结
在本文中，我们学习了如何使用 Seaborn 库来绘制热力图。我们导入了必要的库和数据，然后使用 heatmap() 函数绘制了一个漂亮的热力图。希望这篇文章能够帮助您了解如何使用 Seaborn 绘制热力图，并用它来分析和可视化数据。