要在 Python 中通过 Seaborn 和 Matplotlib 生成热力图并确保所有数据都显示出来，可以通过调整 `sns.heatmap` 的参数实现。以下是详细的说明： ### 参数配置 为了在热力图中方格上显示具体的数值，可以使用 `annot=True` 参数[^4]。此参数会在每个单元格中标注对应的数值。 另外，如果数据量较大或默认字体大小不合适，则可能需要进一步调整以下参数： - **`fmt`**: 控制标注的格式，默认为字符串 `'d'` 表示整数。对于浮点数，可将其设为 `'.2f'` 或其他适合的形式。 - **`fontsize`**: 调整字体大小以适应图表布局。 - **`square`**: 设置为 `True` 可使每个单元格成为正方形，提升视觉效果。 - **`linewidths`**: 定义网格线宽度，增强表格结构感。 下面是完整的代码实例： ```python import seaborn as sns import numpy as np import pandas as pd import matplotlib.pyplot as plt # 数据准备 data = np.random.rand(10, 10) * 100 # 随机生成一些数据乘以100以便观察两位小数的效果 df = pd.DataFrame(data, index=[f"Row {i}" for i in range(1, 11)], columns=[f"Col {j}" for j in range(1, 11)]) # 自定义样式上下文管理器 with plt.style.context({'axes.labelsize': 10, 'xtick.labelsize': 8, 'ytick.labelsize': 8}): plt.figure(figsize=(8, 6), dpi=300) # 使用 heatmap 函数绘制图像 ax = sns.heatmap( df, cmap="coolwarm", # 设定颜色映射表 annot=True, # 开启数值显示功能 fmt=".2f", # 数值保留两位小数 square=False, # 不强制矩形框变为正方形 linewidths=.5, # 网格线条粗细程度 cbar_kws={"shrink": .7}, # 色条比例缩小至原尺寸的70% robust=True # 对异常值自动缩放色阶范围 ) # 修改坐标轴标签旋转角度便于阅读 label_y = ax.get_yticklabels() plt.setp(label_y, rotation=0, verticalalignment='center') label_x = ax.get_xticklabels() plt.setp(label_x, rotation=45, horizontalalignment='right') plt.title("Heatmap Example with Full Data Displayed") plt.tight_layout() # 自动优化子图间距防止重叠现象发生 plt.show() ``` 以上脚本不仅展示了如何让所有的原始数据呈现在热力图之上，还包含了多种美化措施使得最终成果更加清晰易懂。 ### 注意事项 当处理大规模矩阵时需注意性能瓶颈以及呈现效果是否会因过度拥挤而变得难以辨认。此时建议适当减少精度（如采用 `.0f` 替代 `.2f`），或者分批次渲染部分内容。