0dayhub译者：hyuuo
seaborn.heatmap(data, vmin=None, vmax=None, cmap=None, center=None, robust=False, annot=None, fmt='.2g', annot_kws=None, linewidths=0, linecolor='white', cbar=True, cbar_kws=None, cbar_ax=None, square=False, xticklabels='auto', yticklabels='auto', mask=None, ax=None, **kwargs)将矩形数据绘制为颜色编码矩阵。
这是一个坐标轴级的函数，如果没有提供给ax参数，它会将热力图绘制到当前活动的轴中。除非cbar为False或为cbar_ax提供单独的Axes，否则将使用此轴空间的一部分绘制颜色图。
参数：data：矩形数据集
可以强制转换为ndarray格式数据的2维数据集。如果提供了Pandas DataFrame数据，索引/列信息将用于标记列和行。
vmin, vmax：浮点型数据，可选参数。
用于锚定色彩映射的值，否则它们是从数据和其他关键字参数推断出来的。
cmap：matplotlib 颜色条名称或者对象，或者是颜色列表，可选参数。
从数据值到颜色空间的映射。 如果没有提供，默认值将取决于是否设置了“center”。
center：浮点数，可选参数。
绘制有色数据时将色彩映射居中的值。 如果没有指定，则使用此参数将更改默认的
cmap。
robust：布尔值，可选参数。
如果是True，并且
vmin或vmax为空，则使用稳健分位数而不是极值来计算色彩映射范围。
annot:布尔值或者矩形数据，可选参数。
如果为True，则在每个热力图单元格中写入数据值。 如果数组的形状与
data相同，则使用它来代替原始数据注释热力图。
fmt：字符串，可选参数。
添加注释时要使用的字符串格式代码。
annot_kws：字典或者键值对，可选参数。
当
annot为True时，ax.text的关键字参数。
linewidths：浮点数，可选参数。
划分每个单元格的行的宽度。
linecolor：颜色，可选参数
划分每个单元的线条的颜色。
cbar：布尔值，可选参数。
描述是否绘制颜色条。
cbar_kws：字典或者键值对，可选参数。
fig.colorbar的关键字参数。
cbar_ax：matplotlib Axes，可选参数。
用于绘制颜色条的轴，否则从主轴获取。
square：布尔值，可选参数。
如果为True，则将坐标轴方向设置为“equal”，以使每个单元格为方形。
xticklabels, yticklabels：“auto”，布尔值，类列表值，或者整形数值，可选参数。
如果为True，则绘制数据框的列名称。如果为False，则不绘制列名称。如果是列表，则将这些替代标签绘制为xticklabels。如果是整数，则使用列名称，但仅绘制每个n标签。如果是“auto”，将尝试密集绘制不重叠的标签。
mask：布尔数组或者DataFrame数据，可选参数。
如果为空值，数据将不会显示在
mask为True的单元格中。 具有缺失值的单元格将自动被屏蔽。
ax：matplotlib Axes，可选参数。
绘制图的坐标轴，否则使用当前活动的坐标轴。
kwargs：其他关键字参数。
所有其他关键字参数都传递给
ax.pcolormesh。
返回值：ax：matplotlib Axes
热力图的轴对象。
另请参见
clustermap
使用分层聚类绘制矩阵以排列行和列。
范例
为numpy数组绘制热力图：
>>> import numpy as np; np.random.seed(0)
>>> import seaborn as sns; sns.set()
>>> uniform_data = np.random.rand(10, 12)
>>> ax = sns.heatmap(uniform_data)
更改默认的colormap范围：
>>> ax = sns.heatmap(uniform_data, vmin=0, vmax=1)
使用发散色图绘制以0为中心的数据的热力图：
>>> normal_data = np.random.randn(10, 12)
>>> ax = sns.heatmap(normal_data, center=0)
使用特定的行和列标签绘制dataframe：
>>> flights = sns.load_dataset("flights")
>>> flights = flights.pivot("month", "year", "passengers")
>>> ax = sns.heatmap(flights)
使用整数格式的数字值注释每个小单元格：
>>> ax = sns.heatmap(flights, annot=True, fmt="d")
在每个单元格之间添加线：
>>> ax = sns.heatmap(flights, linewidths=.5)
使用不同的colormap：
>>> ax = sns.heatmap(flights, cmap="YlGnBu")
将colormap置于特定值的中心：
>>> ax = sns.heatmap(flights, center=flights.loc["January", 1955])
绘制每个其他列标签，而不绘制行标签：
>>> data = np.random.randn(50, 20)
>>> ax = sns.heatmap(data, xticklabels=2, yticklabels=False)
不绘制颜色条：
>>> ax = sns.heatmap(flights, cbar=False)
在不同的坐标轴方向绘制颜色条：
>>> grid_kws = {"height_ratios": (.9, .05), "hspace": .3}
>>> f, (ax, cbar_ax) = plt.subplots(2, gridspec_kw=grid_kws)
>>> ax = sns.heatmap(flights, ax=ax,
... cbar_ax=cbar_ax,
... cbar_kws={"orientation": "horizontal"})
使用遮罩绘制矩阵中的一部分
>>> corr = np.corrcoef(np.random.randn(10, 200))
>>> mask = np.zeros_like(corr)
>>> mask[np.triu_indices_from(mask)] = True
>>> with sns.axes_style("white"):
... ax = sns.heatmap(corr, mask=mask, vmax=.3, square=True)
