PythonData Science

Seaborn Heatmap & Colorbar Control

, , , ,
  • seaborn의 heatmap은 매우 강력한 도구입니다.
  • 한 줄의 명령으로 colormap과 annotation, colorbar가 붙은 정돈된 그림이 나옵니다.
  • 그런데 colorbar를 조금 고치고 싶다면, 어떻게 할까요?

1. Seaborn Heatmap

1.1. 예제 데이터 만들기

  • Seaborn에 내장된 펭귄 데이터셋을 사용합시다.
    1
    2
    3
    4
    5
    6
    7
    8
    9
    %matplotlib inline

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

    sns.set_context("talk")

    df_peng = sns.load_dataset("penguins")

1.2. PCA

  • 데이터에 PCA를 적용합니다.

  • 주성분분석후 인자별 기여도 분석을 진행합니다.

  • 예제 데이터라도 standard scaling은 잊지 맙시다.

    1
    2
    3
    4
    5
    6
    from sklearn.preprocessing import StandardScaler

    ss = StandardScaler()
    cols_num = ["bill_length_mm", "bill_depth_mm", "flipper_length_mm", "body_mass_g"]
    peng_std = ss.fit_transform(df_peng[cols_num].dropna())
    peng_std


  • PCA를 수행합니다.

    1
    2
    3
    4
    from sklearn.decomposition import PCA

    pca = PCA()
    peng_pca = pca.fit_transform(peng_std)

  • 인자별 주성분 기여도를 heatmap으로 표현합니다.

    1
    2
    3
    4
    ticklabels = [f"PC{i+1}" for i in range(peng_pca.shape[1])]

    sns.heatmap(pca.components_, annot=True, cmap="RdBu_r", 
                xticklabels=cols_num, yticklabels=ticklabels)


  • sns.heatmap() 한 줄로 멋진 그림을 그렸습니다.

  • 이 그림을 기본으로 조금씩 고쳐보겠습니다.

1.3. 범위, 컬러바 조정

  • 여기서 우리는 주성분에 대한 각 인자의 기여도가 중요하지 방향은 중요하지 않다고 가정합니다.

  • 인자별 중요도가 담긴 pca.components_에 절대값을 취하고, colorbar도 거기에 맞게 한쪽 방향으로 발산하는 inferno를 사용합니다.

    1
    2
    3
    pca_comp_abs = abs(pca.components_)
    sns.heatmap(pca_comp_abs, annot=True, cmap="inferno", vmin=0, vmax=1,
                xticklabels=cols_num, yticklabels=ticklabels)


  • seaborn heatmap을 그리면 함께 출력되는 메시지가 있습니다.

  • AxesSubplot: 인데, sns.heatmap()명령의 출력이 Matplotlib의 AxesSubplot 객체라는 의미입니다.

1.4. annotation 불투명도 조정

  • heatmap 위의 글자가 너무 강렬하다면 불투명도를 조정할 수 있습니다.

  • seaborn heatmap의 annotation은 딕셔너리 형태의 annot_kws 인자로 제어 가능합니다.

  • 명령 안에 annot_kws={"alpha": 0.3}을 입력하면 불투명도가 0.3으로 내려가 색이 더 잘 들어옵니다.

    1
    2
    3
    4
    5
    ax = sns.heatmap(pca_comp_abs, annot=True, cmap="inferno", vmin=0, vmax=1,
                     xticklabels=cols_num, yticklabels=ticklabels, annot_kws={"alpha":0.3})
    fig = ax.figure

    print(fig.get_children())


  • 이번에는 sns.heatmap() 앞에 ax=를 붙여서 heatmap 객체를 ax 변수에 저장했습니다.

  • 그리고 fig = ax.figure 명령으로 ax가 속한 figure를 fig 변수에 저장했습니다.

  • fig, ax = plt.subplots()에 이어서 sns.heatmap(어쩌구, ax=ax)한 것과 같은 효과입니다.

  • fig.get_children()명령으로 fig의 구성요소를 확인하면, 맨 마지막에 colorbar가 있습니다.
  • ax와 fig는 이제 변수에 저장되었으니 마음껏 가지고 놀 수 있습니다.
  • colorbar도 마찬가지로 다뤄봅니다.

2. Colorbar

2.1. colorbar 객체 분리

  • colorbar 객체를 figure에서 떼어냅니다.

    1
    2
    cbar = fig.get_children()[-1]
    print(type(cbar))


  • 타입을 확인해보니 AxesSubplot입니다.

  • 앞에서 heatmap의 타입도 AxesSubplot이었습니다.

  • 정리하면, 데이터가 표기되는 부분이나 colorbar가 표기되는 부분이나 Matplotlib 구조적으로는 동일하다는 뜻입니다.

  • 그렇다면 데이터를 그리는 Axes에 적용하는 명령어를 colorbar에도 사용할 수 있겠습니다.

2.2. y눈금 수정

  • 0부터 1까지 0.2 단위로 찍힌 현재의 눈금을 0, 0.5, 1 세개만 남기고자 합니다.

  • 일반 plot에서는 set_yticks()로 위치를 잡고 set_yticklabels()로 눈금을 입혔습니다.

  • 한번 set_yticks()를 실험해 봅니다.

  • 아까 그린 그림에서 colorbar만 수정한 후 그림을 그리라display(fig)명령으로 확인합니다.

    1
    2
    cbar.set_yticks([-0.5, 0, 0.5])
    display(fig)


  • 바뀌지 않습니다.

  • colorbar는 축을 지정한 후 set_ticks()를 사용하라고 합니다.

  • 고분고분 말을 듣습니다. cbar.yaxis로 y축 지정 후 set_ticks()를 적용합니다.

    1
    2
    cbar.yaxis.set_ticks([0, 0.5, 1])
    display(fig)


  • y축 눈금이 변경되었습니다.

  • y축 눈금은 다른 방식으로도 바꿀 수 있습니다.

  • Matplotlib의 MultipleLocator를 사용하면, 눈금 간격을 지정할 수 있습니다.

  • 이번엔 그림을 처음부터 다시 그려봅니다.

    1
    2
    3
    4
    5
    6
    7
    from matplotlib.ticker import MultipleLocator

    ax = sns.heatmap(pca_comp_abs, annot=True, cmap="inferno", vmin=0, vmax=1,
                     xticklabels=cols_num, yticklabels=ticklabels, annot_kws={"alpha":0.3})
    fig = ax.figure
    cbar = fig.get_children()[-1]
    cbar.yaxis.set_major_locator(MultipleLocator(0.5))


  • 동일한 효과가 반영되었습니다.

2.3. colorbar 위 눈금

  • 가끔 colorbar 옆에 달린 눈금이 colorbar까지 이어지면 좋겠다 싶기도 합니다.

  • colorbar의 정체는 Axes이므로, Axes의 수평선 명령 axhline()을 사용합니다.

  • -0.5, 0, 0.5 세 군데에 선을 그려봅니다.

    1
    2
    3
    4
    5
    cbar.axhline(-0.5, c="k")
    cbar.axhline(0, c="k")
    cbar.axhline(0.5, c="k")
        
    display(fig)


  • 0.5에는 그려지지만 0과 1에는 그려지지 않았습니다.

  • colorbar 위 아래 한계선에 딱 걸려서 그렇습니다.

  • 이럴 때는 테두리를 그려버리면 됩니다.
  • 내친 김에 heatmap에도 그립니다.
    1
    2
    3
    4
    5
    6
    ax.spines[["bottom", "top", "left", "right"]].set_visible(True)
    cbar.spines[["bottom", "top"]].set_visible(True)
    cbar.spines[["bottom", "top"]].set_color("k")
    cbar.axhline(0, c="k")

    display(fig)

3. 정리

  • 오늘의 글은 딱 한 문장으로 요약됩니다.
  • colorbar도 Axes다.
  • 괜히 겁먹지 맙시다.


도움이 되셨나요? 카페인을 투입하시면 다음 포스팅으로 변환됩니다

Share