# seaborn.heatmap > 譯者：[hyuuo](https://github.com/hyuuo) ```py 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) ``` 將矩形數據繪制為顏色編碼矩陣。 這是一個坐標軸級的函數，如果沒有提供給`ax`參數，它會將熱力圖繪制到當前活動的軸中。除非`cbar`為 False 或為`cbar_ax`提供單獨的 Axes，否則將使用此軸空間的一部分繪制顏色圖。 參數：`data`：矩形數據集 > 可以強制轉換為 ndarray 格式數據的 2 維數據集。如果提供了 Pandas DataFrame 數據，索引/列信息將用于標記列和行。 `vmin, vmax`：浮點型數據，可選參數。 > 用于錨定色彩映射的值，否則它們是從數據和其他關鍵字參數推斷出來的。 `cmap`：matplotlib 顏色條名稱或者對象，或者是顏色列表，可選參數。 > 從數據值到顏色空間的映射。 如果沒有提供，默認值將取決于是否設置了“center”。 `center`：浮點數，可選參數。 > 繪制有色數據時將色彩映射居中的值。 如果沒有指定，則使用此參數將更改默認的`cmap`。 `robust`：布爾值，可選參數。 > 如果是 True，并且`vmin`或`vmax`為空，則使用穩健分位數而不是極值來計算色彩映射范圍。 `annot`:布爾值或者矩形數據，可選參數。 > 如果為 True，則在每個熱力圖單元格中寫入數據值。 如果數組的形狀與`data`相同，則使用它來代替原始數據注釋熱力圖。 `fmt`：字符串，可選參數。 > 添加注釋時要使用的字符串格式代碼。 `annot_kws`：字典或者鍵值對，可選參數。 > 當`annot`為 True 時，`ax.text`的關鍵字參數。 `linewidths`：浮點數，可選參數。 > 劃分每個單元格的行的寬度。 `linecolor`：顏色，可選參數 > 劃分每個單元的線條的顏色。 `cbar`：布爾值，可選參數。 > 描述是否繪制顏色條。 `cbar_kws`：字典或者鍵值對，可選參數。 > *fig.colorbar*的關鍵字參數。 `cbar_ax`：matplotlib Axes，可選參數。 > 用于繪制顏色條的軸，否則從主軸獲取。 `square`：布爾值，可選參數。 > 如果為 True，則將坐標軸方向設置為“equal”，以使每個單元格為方形。 `xticklabels, yticklabels`：“auto”，布爾值，類列表值，或者整形數值，可選參數。 > 如果為 True，則繪制數據框的列名稱。如果為 False，則不繪制列名稱。如果是列表，則將這些替代標簽繪制為 xticklabels。如果是整數，則使用列名稱，但僅繪制每個 n 標簽。如果是“auto”，將嘗試密集繪制不重疊的標簽。 `mask`：布爾數組或者 DataFrame 數據，可選參數。 > 如果為空值，數據將不會顯示在`mask`為 True 的單元格中。 具有缺失值的單元格將自動被屏蔽。 `ax`：matplotlib Axes，可選參數。 > 繪制圖的坐標軸，否則使用當前活動的坐標軸。 `kwargs`：其他關鍵字參數。 > 所有其他關鍵字參數都傳遞給`ax.pcolormesh`。 返回值：`ax`：matplotlib Axes > 熱力圖的軸對象。 **另請參見** [`clustermap`](seaborn.clustermap.html#seaborn.clustermap "seaborn.clustermap") 使用分層聚類繪制矩陣以排列行和列。 范例 為 numpy 數組繪制熱力圖： ```py >>> 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) ```  更改默認的 colormap 范圍： ```py >>> ax = sns.heatmap(uniform_data, vmin=0, vmax=1) ```  使用發散色圖繪制以 0 為中心的數據的熱力圖： ```py >>> normal_data = np.random.randn(10, 12) >>> ax = sns.heatmap(normal_data, center=0) ```  使用特定的行和列標簽繪制 dataframe： ```py >>> flights = sns.load_dataset("flights") >>> flights = flights.pivot("month", "year", "passengers") >>> ax = sns.heatmap(flights) ```  使用整數格式的數字值注釋每個小單元格： ```py >>> ax = sns.heatmap(flights, annot=True, fmt="d") ```  在每個單元格之間添加線： ```py >>> ax = sns.heatmap(flights, linewidths=.5) ```  使用不同的 colormap： ```py >>> ax = sns.heatmap(flights, cmap="YlGnBu") ```  將 colormap 置于特定值的中心： ```py >>> ax = sns.heatmap(flights, center=flights.loc["January", 1955]) ```  繪制每個其他列標簽，而不繪制行標簽： ```py >>> data = np.random.randn(50, 20) >>> ax = sns.heatmap(data, xticklabels=2, yticklabels=False) ```  不繪制顏色條： ```py >>> ax = sns.heatmap(flights, cbar=False) ```  在不同的坐標軸方向繪制顏色條： ```py >>> 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"}) ```  使用遮罩繪制矩陣中的一部分 ```py >>> 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) ```