绘制热力图时指定X轴和Y轴的坐标值可以使用 `seaborn` 库中的 `heatmap` 函数，并通过参数 `xticklabels` 和 `yticklabels` 来设置对应的坐标标签。以下是一个示例代码，演示如何实现这一功能： ```python import seaborn as sns import numpy as np import matplotlib.pyplot as plt # 创建一个随机数据矩阵作为热力图的数据 data = np.random.rand(5, 5) # 定义 X 轴和 Y 轴的坐标标签 x_labels = ['A', 'B', 'C', 'D', 'E'] y_labels = ['1', '2', '3', '4', '5'] # 绘制热力图并指定 X 轴和 Y 轴的坐标值 plt.figure(figsize=(8, 6)) sns.heatmap(data, annot=True, xticklabels=x_labels, yticklabels=y_labels, cmap='viridis') # 设置坐标轴标签 plt.xlabel('X Axis Label') plt.ylabel('Y Axis Label') # 显示图形 plt.title('Heatmap with Custom X and Y Axis Values') plt.show() ``` ### 参数说明： - `data`: 热力图的数据，通常是一个二维数组或 DataFrame。 - `annot`: 是否在每个单元格中显示数值（设置为 `True` 时会显示）。 - `xticklabels`: 用于指定 X 轴的坐标标签。 - `yticklabels`: 用于指定 Y 轴的坐标标签。 - `cmap`: 指定颜色映射方案，例如 `'viridis'`, `'hot'`, `'coolwarm'` 等。 ### 示例输出： 上述代码将生成一个带有自定义 X 轴和 Y 轴标签的热力图，其中每个单元格显示了对应的数据值，并且可以通过调整 `cmap` 来改变颜色风格。 如果你需要从文件加载数据（如 CSV 文件），可以使用 `pandas` 加载数据后转换为 NumPy 数组进行操作。例如： ```python import pandas as pd # 从 CSV 文件加载数据 df = pd.read_csv('your_file.csv') # 提取 X 轴和 Y 轴的坐标标签 x_labels = df.columns.tolist() # 假设列名作为 X 轴标签 y_labels = df.index.tolist() # 假设行索引作为 Y 轴标签 # 将数据转换为 NumPy 数组 data = df.values # 绘制热力图 plt.figure(figsize=(10, 8)) sns.heatmap(data, annot=True, xticklabels=x_labels, yticklabels=y_labels, cmap='coolwarm') plt.xlabel('X Axis Label') plt.ylabel('Y Axis Label') plt.title('Heatmap from CSV Data') plt.show() ``` ### 注意事项： 1. 如果数据较大，建议关闭 `annot=True` 避免图表过于拥挤。 2. 使用 `cmap` 参数可以根据需求选择不同的颜色映射方案，以增强可视化效果。 ---