Создайте тепловую карту из таблицы данных для медицинских пациентов.

Загрузить patients и создайте таблицу из подмножества переменных, загруженных в рабочую область. Затем создайте тепловую карту, которая подсчитывает общее количество пациентов с одним и тем же набором Smoker и SelfAssessedHealthStatus значения.

load patients
tbl = table(LastName,Age,Gender,SelfAssessedHealthStatus,...
    Smoker,Weight,Location);
h = heatmap(tbl,'Smoker','SelfAssessedHealthStatus');

Создайте тепловую карту и измените порядок меток вдоль оси Y.

Загрузить patients набор данных и создание тепловой карты на основе данных. Назначить HeatmapChart объект к переменной h.

load patients
tbl = table(LastName,Age,Gender,SelfAssessedHealthStatus,...
    Smoker,Weight,Location);
h = heatmap(tbl,'Smoker','SelfAssessedHealthStatus');

Измените порядок меток вдоль оси Y.

h.YDisplayData = {'Excellent','Good','Fair','Poor'};

Можно также переупорядочить метки, изменив данные на категориальные, а затем переупорядочив категории с помощью reordercats функция. Аналогично, можно добавлять, удалять или переименовывать метки тепловых карт с помощью addcats, removecats, или renamecats соответственно.

Создайте тепловую карту и укажите переменную таблицы, которая будет использоваться при определении цветов ячеек тепловой карты.

Загрузить patients набор данных и создание тепловой карты на основе данных. Окраска каждой клетки с использованием среднего возраста пациентов с определенной парой Smoker и SelfAssessedHealthStatus путем установки значения ColorVariable опция для 'Age'.

load patients
tbl = table(LastName,Age,Gender,SelfAssessedHealthStatus,...
    Smoker,Weight,Location);
h = heatmap(tbl,'Smoker','SelfAssessedHealthStatus','ColorVariable','Age');

Создайте тепловую карту и укажите переменную таблицы и метод расчета, которые будут использоваться при определении цветов ячеек тепловой карты.

Загрузите набор данных пациентов и создайте тепловую карту из данных. Окраска каждой клетки с использованием среднего возраста пациентов с определенной парой Smoker и SelfAssessedHealthStatus значения. Укажите ColorVariable вариант как 'Age' и ColorMethod вариант как 'median'.

load patients
tbl = table(LastName,Age,Gender,SelfAssessedHealthStatus,...
    Smoker,Weight,Location);
h = heatmap(tbl,'Smoker','SelfAssessedHealthStatus','ColorVariable','Age','ColorMethod','median');

Создайте матрицу данных. Затем создайте тепловую карту значений матрицы. Метки по умолчанию вдоль осей X и Y отображаются как 1, 2, 3 и т.д.

cdata = [45 60 32; 43 54 76; 32 94 68; 23 95 58];
h = heatmap(cdata);

Создайте матрицу данных. Затем создайте тепловую карту значений матрицы. Используйте пользовательские метки вдоль осей X и Y, указав первые два входных аргумента в качестве нужных меток. Укажите метки заголовка и оси, задав свойства HeatmapChart объект.

cdata = [45 60 32; 43 54 76; 32 94 68; 23 95 58];
xvalues = {'Small','Medium','Large'};
yvalues = {'Green','Red','Blue','Gray'};
h = heatmap(xvalues,yvalues,cdata);

h.Title = 'T-Shirt Orders';
h.XLabel = 'Sizes';
h.YLabel = 'Colors';

Создайте тепловую карту и нормализуйте цвета вдоль каждого столбца или строки, установив ColorScaling собственность.

Прочитать образец файла outages.csv в таблицу. Образец файла содержит данные, представляющие отключения электроэнергии в штатах Unites. Таблица содержит шесть столбцов: Region, OutageTime, Loss, Customers, RestorationTime, и Cause. Отображение первых пяти строк каждого столбца.

T = readtable('outages.csv');
T(1:5,:)

ans=5×6 table
       Region           OutageTime        Loss     Customers     RestorationTime            Cause       
    _____________    ________________    ______    __________    ________________    ___________________

    {'SouthWest'}    2002-02-01 12:18    458.98    1.8202e+06    2002-02-07 16:50    {'winter storm'   }
    {'SouthEast'}    2003-01-23 00:49    530.14    2.1204e+05                 NaT    {'winter storm'   }
    {'SouthEast'}    2003-02-07 21:15     289.4    1.4294e+05    2003-02-17 08:14    {'winter storm'   }
    {'West'     }    2004-04-06 05:44    434.81    3.4037e+05    2004-04-06 06:10    {'equipment fault'}
    {'MidWest'  }    2002-03-16 06:18    186.44    2.1275e+05    2002-03-18 23:23    {'severe storm'   }

Создайте тепловую карту, показывающую различные области вдоль оси X и различные причины отключения вдоль оси Y. В каждой ячейке покажите, сколько раз каждая область испытывала отключение электроэнергии из-за конкретной причины.

h = heatmap(T,'Region','Cause');

Нормализуйте цвета вдоль каждого столбца. Наименьшее значение в каждом столбце соответствует первому цвету в карте цветов, а наибольшее значение соответствует последнему цвету. Последний цвет указывает на причину, вызвавшую наибольшее количество отключений электроэнергии для каждого региона.

h.ColorScaling = 'scaledcolumns';

Нормализуйте цвета вдоль каждой строки. Наименьшее значение в каждой строке соответствует первому цвету в карте цветов, а наибольшее значение соответствует последнему цвету. Последний цвет указывает регион, в котором произошло наибольшее количество отключений электроэнергии из-за каждой причины.

h.ColorScaling = 'scaledrows';

Создайте тепловую карту и раскрасьте ячейки, используя данные, вычисленные с помощью пользовательского метода агрегирования. Используйте accumarray для вычисления цветовых данных.

Прочитать образец файла Temperature.csv в таблицу. Файл содержит три столбца: Month, Year, и TemperatureF.

tbl = readtable('TemperatureData.csv');

Создание категориальных массивов из Month и Year столбцов таблицы. Затем определите уникальные месяцы и годы для использования в качестве меток вдоль осей X и Y.

months = categorical(tbl.Month);
years = categorical(tbl.Year);
xlabels = categories(months);
ylabels = categories(years);

Определите окончательный размер полученных цветовых данных на основе количества уникальных месяцев и лет.

nummonths = numel(xlabels);
numyears = numel(ylabels);

Преобразование категориального months и years массивы в числовые индексы для использования с accumarray функция. Вычислите цветовые данные как максимальную температуру для каждой комбинации месяца и года, используя accumarray функция. Использовать NaN для отсутствующих комбинаций месяца и года.

x = double(months);
y = double(years);
temps = tbl.TemperatureF;
cdata = accumarray([y,x],temps,[numyears,nummonths],@max,NaN);

Создайте тепловую карту. Маркируйте оси X и Y месяцами и годами соответственно. Раскрасьте ячейки тепловой карты с помощью вычисленных матричных данных.

h = heatmap(xlabels,ylabels,cdata);

Примечание: Вы можете использовать reordercats функция для категориальных массивов для изменения порядка меток осей.