हीटमैप्स दो-आयामी ग्रिड में डेटा को दर्शाने के लिए अमूल्य हैं, जहाँ रंग की तीव्रता प्रत्येक मान के परिमाण का प्रतिनिधित्व करती है। मैटप्लॉटलिब, एक शक्तिशाली पायथन डेटा विज़ुअलाइज़ेशन लाइब्रेरी, सम्मोहक हीटमैप बनाने के कई तरीके प्रदान करता है। यह लेख तीन लोकप्रिय विधियों का पता लगाता है: imshow() का उपयोग करना, सीबोर्न लाइब्रेरी का लाभ उठाना और pcolormesh() का उपयोग करना। हम प्रत्येक विधि को स्पष्ट उदाहरणों और स्पष्टीकरणों के साथ शामिल करेंगे।
विषयवस्तु की तालिका
imshow(): एक सरल तरीका- सीबोर्न का
heatmap(): उन्नत कार्यक्षमता pcolormesh(): अनियमित डेटा और सटीक नियंत्रण के लिए
imshow(): एक सरल तरीका
मैटप्लॉटलिब का imshow() फ़ंक्शन हीटमैप उत्पन्न करने का एक सीधा तरीका प्रदान करता है। यह इनपुट के रूप में एक 2D ऐरे स्वीकार करता है, जो चुने हुए कलरमैप का उपयोग करके मानों को रंगों में मैप करता है।
import matplotlib.pyplot as plt
import numpy as np
# नमूना डेटा
data = np.random.rand(10, 10)
# हीटमैप बनाएँ
plt.imshow(data, cmap='viridis')
# एक कलरबार जोड़ें
plt.colorbar(label='मान')
# लेबल और शीर्षक जोड़ें
plt.xlabel('X-अक्ष')
plt.ylabel('Y-अक्ष')
plt.title('imshow() का उपयोग करके 2D हीटमैप')
# प्लॉट दिखाएँ
plt.show()
यह कोड एक हीटमैप बनाता है जहाँ सेल रंग की तीव्रता data ऐरे में संगत मान को दर्शाती है। cmap तर्क कलरमैप (जैसे, ‘plasma’, ‘magma’, ‘inferno’, ‘cividis’) का चयन करता है। colorbar() मानों के लिए रंगों को मैप करने वाला एक किंवदंती जोड़ता है।
सीबोर्न का heatmap(): उन्नत कार्यक्षमता
मैटप्लॉटलिब पर निर्मित सीबोर्न, सांख्यिकीय रूप से व्यावहारिक और दृष्टिगत रूप से आकर्षक प्लॉट, जिसमें हीटमैप भी शामिल हैं, बनाने के लिए एक उच्च-स्तरीय इंटरफ़ेस प्रदान करता है। इसका heatmap() फ़ंक्शन प्रक्रिया को सरल करता है और उपयोगी सुविधाएँ जोड़ता है।
import seaborn as sns
import matplotlib.pyplot as plt
import numpy as np
# नमूना डेटा
data = np.random.rand(10, 10)
# हीटमैप बनाएँ
sns.heatmap(data, annot=True, cmap='coolwarm', fmt=".2f")
# शीर्षक जोड़ें
plt.title('सीबोर्न का उपयोग करके 2D हीटमैप')
# प्लॉट दिखाएँ
plt.show()
यह सीबोर्न उदाहरण एक समान हीटमैप उत्पन्न करता है लेकिन annot=True प्रत्येक सेल के भीतर संख्यात्मक मान प्रदर्शित करता है, जिससे पठनीयता बढ़ जाती है। fmt एनोटेशन स्वरूपण को नियंत्रित करता है।
pcolormesh(): अनियमित डेटा और सटीक नियंत्रण के लिए
मैटप्लॉटलिब का pcolormesh() अनियमित रूप से दूरी वाले डेटा के लिए या जब सेल सीमाओं पर सटीक नियंत्रण की आवश्यकता होती है, के लिए आदर्श है।
import matplotlib.pyplot as plt
import numpy as np
# नमूना डेटा (प्रदर्शन के लिए मेषग्रिड का उपयोग करना)
x = np.arange(0, 10, 1)
y = np.arange(0, 10, 1)
X, Y = np.meshgrid(x, y)
data = np.sin(X) * np.cos(Y)
# हीटमैप बनाएँ
plt.pcolormesh(X, Y, data, cmap='RdBu')
# एक कलरबार जोड़ें
plt.colorbar(label='मान')
# लेबल और शीर्षक जोड़ें
plt.xlabel('X-अक्ष')
plt.ylabel('Y-अक्ष')
plt.title('pcolormesh() का उपयोग करके 2D हीटमैप')
# प्लॉट दिखाएँ
plt.show()
यह उदाहरण meshgrid का उपयोग x और y निर्देशांक ग्रिड बनाने के लिए करता है, जो pcolormesh() के लिए सेल सीमाओं को परिभाषित करता है। यह imshow() की तुलना में अधिक लचीलापन प्रदान करता है। RdBu कलरमैप एक अलग योजना है जो धनात्मक और ऋणात्मक दोनों मानों वाले डेटा के लिए उपयुक्त है। pip install matplotlib seaborn का उपयोग करके आवश्यक पुस्तकालयों को स्थापित करना याद रखें।