تخصيص Heatmap في Seaborn: عرض القيم بنسب مئوية وإظهار الحدود
عندما تتعامل مع مكتبة Seaborn في Python وتقوم بإنشاء Heatmap، يمكنك بسهولة تخصيص قيم شريط الألوان ليتم عرضها في تنسيق النسب المئوية. في الكود الذي قدمته، يمكنك تحقيق ذلك باستخدام مكتبة matplotlib
التي تعتمد عليها Seaborn. اليك كيف يمكنك تحقيق ذلك:
أولًا، يمكنك استيراد مكتبة matplotlib
واستخدامها لتحديد شكل تنسيق النسب المئوية. يمكنك أيضًا تحديد القيم التي تريد عرضها على شريط الألوان باستخدام set_ticks
وset_ticklabels
. اليك كيف يمكنك تعديل الكود الخاص بك لتحقيق ذلك:
-
تحسين استجابة النص مع Google Cloud Vision15/04/2024
-
فارق في تبديل السلاسل في لغة C21/02/2024
-
فتح وتحليل بيانات CPS في R14/04/2024
-
كيفية العثور على معرّف المشروع في GitLab API29/03/2024
pythonimport numpy as np
import seaborn as sns
import matplotlib.pyplot as plt
np.random.seed(0)
uniform_data = np.random.rand(10, 12)
# إنشاء Heatmap باستخدام Seaborn
ax = sns.heatmap(uniform_data)
# تحديد شكل تنسيق النسب المئوية لشريط الألوان
fmt = '{x:.0%}'
xticks = plt.gca().get_xticks()
plt.gca().set_xticks(xticks)
plt.gca().set_xticklabels([fmt.format(x=x) for x in xticks])
# عرض القيم الأولى والأخيرة على شريط الألوان
colorbar = ax.collections[0].colorbar
colorbar.set_ticks([uniform_data.min(), uniform_data.max()])
colorbar.set_ticklabels([fmt.format(x=uniform_data.min()), fmt.format(x=uniform_data.max())])
# إظهار الرسم البياني
plt.show()
بهذا الشكل، ستظهر قيم شريط الألوان بتنسيق النسب المئوية، وسيتم عرض القيم الأولى والأخيرة فقط. يمكنك تخصيص الشكل والتصميم وفقًا لاحتياجاتك الخاصة.
المزيد من المعلومات
بالطبع، دعنا نعمق في المعلومات حول كيفية تخصيص Heatmap في Seaborn وكيفية تحقيق تنسيق النسب المئوية لشريط الألوان.
-
تنسيق شريط الألوان بشكل مفصل:
يمكنك تخصيص شريط الألوان بشكل مفصل باستخدام مجموعة متنوعة من الإعدادات. على سبيل المثال، يمكنك تغيير ألوان الحدود والخلفية باستخدامcolorbar_kw
وتحديد المزيد من الخيارات مثلorientation
وpad
لضبط توجيه ومسافة شريط الألوان.pythonax = sns.heatmap(uniform_data, cmap='viridis') # تخصيص شريط الألوان cbar_kws = { 'orientation': 'horizontal', 'pad': 0.2, 'aspect': 40, 'shrink': 0.8, 'extend': 'both' } cbar = ax.figure.colorbar(ax.collections[0], ax=ax, **cbar_kws)
-
تحسين العناصر التصويرية:
يمكنك تحسين الرسم البياني بشكل عام باستخدام مزيد من العناصر التصويرية مثل إضافة عنوان للرسم البياني ووضع علامات على المحاور. هذا يساعد في جعل الرسم البياني أكثر وضوحًا وفهمًا.pythonax.set_title('Seaborn Heatmap with Colorbar in Percentage Format') ax.set_xlabel('X Axis Label') ax.set_ylabel('Y Axis Label')
-
استخدام قيم مخصصة للتلوين:
بالإضافة إلى استخدام خريطة الألوان الافتراضية، يمكنك استخدام خرائط ألوان مخصصة أو حتى تحديد قيم تلوين مخصصة لتحقيق تأثيرات محددة.pythoncustom_colormap = sns.color_palette("coolwarm", as_cmap=True) ax = sns.heatmap(uniform_data, cmap=custom_colormap)
أو يمكنك تحديد نطاق الألوان باستخدام
vmin
وvmax
للتحكم في قيم الحد الأدنى والحد الأقصى للألوان.pythonax = sns.heatmap(uniform_data, vmin=0, vmax=1, cmap='viridis')
تلك هي بعض الطرق التي يمكنك استخدامها لتحسين وتخصيص الHeatmap الخاص بك في Seaborn بطريقة متقدمة وتجعلها أكثر قوة وفعالية في نقل المعلومات.