DAY 9 热力图和子图的绘制

知识点：热力图和子图的绘制

1. 介绍了热力图的绘制方法
2. 介绍了enumerate（）函数
3. 介绍了子图的绘制方法

enumerate ( ) 是 Python 内置函数，用于将可迭代对象（如列表、元组、字符串）组合为索引序列，同时返回元素和其对应索引。这在需要同时访问元素和索引的循环中特别有用。

enumerate(iterable, start=0)

• iterable：必需，支持迭代的对象（如列表、元组、字符串）。
• start：可选，指定索引起始值，默认为 0。

  features = ['thalach','cp','oldpeak','slope',]
  
  for i, feature in enumerate(features):
      print(f"索引 {i} 对应的特征是: {feature}")
  
  
  # 索引 0 对应的特征是: thalach
  # 索引 1 对应的特征是: cp
  # 索引 2 对应的特征是: oldpeak
  # 索引 3 对应的特征是: slope

作业：

尝试对着心脏病数据集绘制热力图和单特征分布的大图（包含几个子图）

绘制热力图

# 提取连续值特征
continuous_features = ['age','sex','cp','trestbps','chol','fbs','restecg','thalach','exang','oldpeak','slope','ca','thal','target']

# 计算相关系数矩阵
correlation_matrix = data[continuous_features].corr()

# 设置图片清晰度
plt.rcParams['figure.dpi'] = 300

# 绘制热力图（添加annot_kws={'fmt': '.1f'}）
plt.figure(figsize=(10, 8))
sns.heatmap(
    correlation_matrix, 
    annot=True, 
    fmt =  '.1f',  # 指定数值显示格式为保留一位小数的浮点数
    cmap='coolwarm', # 这是一个从蓝色(冷色调)到红色(暖色调)的渐变配色方案，表示数值从低到高的变化
    vmin=-1, 
    vmax=1
)
plt.title('Correlation Heatmap of Continuous Features')
plt.show()

绘制子图

# 定义要绘制的特征
features = ['thalach','cp','oldpeak','slope',]

# 设置图片清晰度
plt.rcParams['figure.dpi'] = 300

# 创建一个包含 2 行 2 列的子图布局
fig, axes = plt.subplots(2, 2, figsize=(12, 8))

# 使用 for 循环遍历特征
for i in range(len(features)):
    row = i // 2 # 计算当前特征在子图中的行索引，// 是整除，即取整 ，之所以用整除是因为我们要的是行数
    # 例如 0//2=0, 1//2=0, 2//2=1, 3//2=1
    col = i % 2 # 计算当前特征在子图中的列索引，% 是取余，即取模
    # 例如 0%2=0, 1%2=1, 2%2=0, 3%2=1
    # 绘制箱线图
    feature = features[i]
    axes[row, col].boxplot(data[feature].dropna())
    axes[row, col].set_title(f'Boxplot of {feature}')
    axes[row, col].set_ylabel(feature)

# 调整子图之间的间距
plt.tight_layout()

# 显示图形
plt.show()

@浙大疏锦行