کتابخانه seaborn در پایتون یکی از ابزارهای قدرتمند برای تجسم داده‌ها است. این کتابخانه به ویژه برای ایجاد نمودارهای حرارتی به کار می‌رود که می‌تواند بصری‌سازی مناسبی از داده‌ها را فراهم کند. در این مقاله، نحوه ساخت نمودار حرارتی با استفاده از این کتابخانه را بررسی خواهیم کرد.

مراحل ساخت نمودار حرارتی

1. نصب و وارد کردن کتابخانه‌ها

قبل از هر چیز لازم است که کتابخانه seaborn پایتون را نصب و وارد کنید. اگر هنوز این کتابخانه را نصب نکرده‌اید، می‌توانید با استفاده از pip آن را نصب کنید:

pip install seaborn

سپس، در کد خود، کتابخانه‌های لازم را وارد کنید:

import seaborn as sns
import matplotlib.pyplot as plt
import numpy as np

2. آماده‌سازی داده‌ها

برای ساخت نمودار حرارتی، ابتدا باید داده‌ های خود را آماده کنید. می‌توانید از داده‌های تصادفی استفاده کنید یا یک داده‌فریم pandas بسازید:

# تولید داده‌های تصادفی
data = np.random.rand(10, 12)

3. استفاده از تابع heatmap

حال که داده‌ها آماده شده‌اند، می‌توانید با استفاده از تابع heatmap در کتابخانه seaborn نمودار حرارتی را ایجاد کنید:

sns.heatmap(data, annot=True, fmt=".2f")
plt.title('نمودار حرارتی')
plt.show()

در اینجا، annot=True برای نمایش مقادیر هر خانه در نمودار استفاده می‌شود و fmt=”.2f” تعیین می‌کند که مقادیر با دو رقم اعشار نمایش داده شوند.

آموزش مقدماتی پایتون (رایگان)

4. سفارشی‌سازی نمودار

کتابخانه seaborn این امکان را می‌دهد که نمودارهای خود را سفارشی کنید. به عنوان مثال، می‌توانید رنگ‌ها، اندازه نوارها و فواصل خانه‌ها را تنظیم کنید:

sns.heatmap(data, cmap='YlGnBu', linewidths=.5, linecolor='white', annot=True, fmt=".2f")
plt.title('نمودار حرارتی با سفارشی‌سازی')
plt.show()

در این کد، از رنگ‌ها و ویژگی‌های دیگر استفاده شده است تا ظاهر نمودار بهتر شود.

نتیجه‌ گیری

کتابخانه seaborn در پایتون ابزارهای قوی برای تجسم داده‌ها و ساخت نمودارهای حرارتی فراهم می‌کند. با استفاده از دستورات ساده، می‌توانید به راحتی نمودارهایی زیبا و معنی‌دار ایجاد کنید که به تجزیه و تحلیل داده‌ها کمک می‌کند. عدم نیاز به کدنویسی پیچیده و همچنین سفارشی‌سازی‌های متنوع از مزایای این کتابخانه است.