Создайте тепловую карту из таблицы данных для медицинских пациентов.

Загрузите patients Данные установите и создайте таблицу из подмножества переменных, загруженных в рабочую область. Затем создайте тепловую карту, которая подсчитывает общее количество пациентов с таким 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.

Загрузите patients и создайте тепловую карту из данных. Назначьте HeatmapChart объект переменной h.

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

Переупорядочить метки вдоль оси Y.

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

Кроме того, можно переупорядочить метки, изменив данные на категориальные данные и затем переупорядочив категории с помощью reordercats функция. Точно так же можно добавлять, удалять или переименовывать метки тепловой карты с помощью addcats, removecats, или renamecats функций, соответственно.

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

Загрузите patients и создайте тепловую карту из данных. Окрашивайте каждую камеру, используя средний возраст пациентов с определенной парой Smoker и SelfAssessedHealthStatus значения путем установки 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 табличную переменную и метод вычисления, которые будут использоваться при определении цветов камер тепловой карты.

Загрузите набор данных о пациентах и создайте тепловую карту из данных. Окрашивайте каждую камеру, используя медианный возраст пациентов с определенной парой Smoker и SelfAssessedHealthStatus значения. Задайте ColorVariable опция как 'Age' и ColorMethod опция 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 появляются как 1, 2, 3 и так далее.

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 путем определения первых двух входных параметров в качестве нужных меток. Задайте заголовок и подписи по осям путем установки свойств 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 свойство.

Прочтите образец файла outages.csv в таблицу. Образец файла содержит данные, представляющие отключения электрической утилиты в состояниях 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, которая показывает различные области вдоль оси X и различные причины отключения вдоль оси Y. В каждой камере покажите, сколько раз каждая область испытывала отключение степени по конкретной причине.

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

Нормализуйте цвета вдоль каждого столбца. Наименьшее значение в каждом столбце преобразуется в первый цвет в палитре, а наибольшее значение - в последний цвет. Последний цвет указывает причину, которая вызвала большинство отключений степени для каждой области.

h.ColorScaling = 'scaledcolumns';

Вместо этого нормализуйте цвета вдоль каждой строки. Наименьшее значение в каждой строке преобразуется в первый цвет в палитре, а наибольшее значение - в последний цвет. Последний цвет указывает на область, которая испытала больше всего отключений степени по каждой причине.

h.ColorScaling = 'scaledrows';

Создайте тепловую карту и окрасите камеры с помощью данных, вычисленных пользовательским методом агрегации. Используйте accumarray функция для вычисления цветовых данных.

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

tbl = readtable('TemperatureData.csv');

Создайте категориальные массивы из Month и Year столбцы таблицы. Затем определите уникальные месяцы и годы для использования в качестве меток вдоль осей X и ось 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);

Преобразуйте категориальные months и years массивы в числовые индексы для использования со accumarray функция. Вычислите цветовые данные как максимальную температуру для каждого месяца и года комбинации с помощью accumarray функция. Использование 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. Пометьте ось X и ось Y месяцами и годами соответственно. Окрашивайте камеры тепловой карты, используя вычисленные матричные данные.

h = heatmap(xlabels,ylabels,cdata);

Примечание: Вы можете использовать reordercats функция для категориальных массивов, чтобы переупорядочить подписи по осям.