sns.heatmap中cmap的颜色表

在 `sns.heatmap()` 中，`cmap` 参数用于指定颜色表（color map）。以下是一些常用的颜色表选项：

1. `"viridis"`：一种从浅到深的颜色渐变，适合用于表示数值变化。
2. `"coolwarm"`：冷暖色调的平衡组合，适合用于表示正负变化。
3. `"RdBu"`：红蓝色调的平衡组合，也适合表示正负变化。
4. `"YlGnBu"`：黄绿蓝色调的渐变，用于表示温度或数据的相对大小。
5. `"hot"`：热色调，从黑到红的渐变，用于表示高温或强度。

除了上述常用的颜色表，Seaborn 还提供了其他许多选项，你可以通过查看 Seaborn 文档中的 `cubehelix_palette()` 函数来获取更多可用的颜色表选项。

相关问题

怎么在plt的子图中画sns.heatmap

你可以使用Seaborn中的`heatmap`函数在matplotlib的子图中绘制热力图。下面是一个示例代码：

import matplotlib.pyplot as plt
import seaborn as sns

# 生成数据
data = sns.load_dataset("flights")
flights = data.pivot("month", "year", "passengers")

# 创建一个figure对象和一个包含2行1列的子图grid
fig, ax = plt.subplots(nrows=2, ncols=1, figsize=(10, 8))

# 在第一个子图中绘制热力图
sns.heatmap(flights, ax=ax[0])

# 在第二个子图中绘制热力图，设置cmap为"YlGnBu"颜色映射
sns.heatmap(flights, ax=ax[1], cmap="YlGnBu")

# 设置子图的标题
ax[0].set_title("Default Colormap")
ax[1].set_title("Custom Colormap")

# 显示图形
plt.show()

这个示例代码中，我们首先使用Seaborn中的`load_dataset`函数生成了一个包含航班乘客数的数据集，然后使用`pivot`函数将数据转换为透视表格式。接着，我们创建了一个包含2个子图的网格，并在其中分别绘制了热力图。在第二个子图中，我们通过设置`cmap`参数为"YlGnBu"来自定义了颜色映射。最后，我们设置了子图的标题并显示了图形。

import pandas as pd import seaborn as sns import matplotlib.pyplot as plt # 读取数据 df = pd.read_excel("200马力及以上四轮驱动拖拉机.xlsx") # 按照 FactoryName 和 JiJXH 进行分组，计算售价最高值和最低值 grouped = df.groupby(["FactoryName","JiJXH"])['avg_sale'].agg(['min', 'max']).reset_index() grouped = grouped.rename(columns={'min': 'min_sale', 'max': 'max_sale'}) # 将售价最高值和最低值合并到原表中 df = pd.merge(df, grouped, on=["FactoryName","JiJXH"]) # 绘制热力图，并设置颜色取值范围 sns.set_context(font_scale=1.5) plt.figure(figsize=(12,30)) sns.heatmap(df.pivot_table(index=["FactoryName","JiJXH"], columns=["shi"], values="avg_sale"), cmap='YlGnBu', annot=True, fmt='.2f', cbar_kws={'label': '单台售价','shrink':0.8,'aspect':40}, vmin=grouped['min_sale'].min(), vmax=grouped['max_sale'].max()) plt.title('''200马力及以上四轮驱动拖拉机 各生产企业各型号在不同市单台平均售价''') plt.show()如何设置标签字体为仿宋

你可以使用 `sns.set()` 函数来设置 seaborn 的绘图风格，其中包括字体类型、字体大小、线条宽度等属性。具体来说，你需要使用 `font` 参数来设置字体类型，例如：

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

sns.set(font='仿宋')

# 读取数据
df = pd.read_excel("200马力及以上四轮驱动拖拉机.xlsx")

# 按照 FactoryName 和 JiJXH 进行分组，计算售价最高值和最低值
grouped = df.groupby(["FactoryName","JiJXH"])['avg_sale'].agg(['min', 'max']).reset_index()
grouped = grouped.rename(columns={'min': 'min_sale', 'max': 'max_sale'})

# 将售价最高值和最低值合并到原表中
df = pd.merge(df, grouped, on=["FactoryName","JiJXH"])

# 绘制热力图，并设置颜色取值范围
sns.set_context(font_scale=1.5)
plt.figure(figsize=(12,30))

sns.heatmap(df.pivot_table(index=["FactoryName","JiJXH"], columns=["shi"], values="avg_sale"),
            cmap='YlGnBu', annot=True, fmt='.2f',
            cbar_kws={'label': '单台售价','shrink':0.8,'aspect':40},
            vmin=grouped['min_sale'].min(), vmax=grouped['max_sale'].max())

plt.title('''200马力及以上四轮驱动拖拉机 各生产企业各型号在不同市单台平均售价''')
plt.show()

在上面的例子中，我们使用了 `sns.set()` 函数将字体类型设置为仿宋。你也可以根据需要设置其他属性来调整绘图风格。