Matplotlib数据关系型图表（3）

python数据可视化之路

发布于 2023-02-23 20:57:26

1.2K00

代码可运行

文章被收录于专栏：python数据分析实践python数据分析实践

运行总次数：0

代码可运行

二、层次关系型图表

层次关系型图表主要表示数据个体之间的层次关系，主要包括包含和从属两类。比如公司不同部门的组织结构，不同洲的国家包含关系等，包括热力图（含相关系数图）、节点链接图、树形图、冰柱图、旭日图等。

2.1 热力图

热力图就是将一个网格矩阵映射到指定颜色序列上，通过恰当选取颜色展示数据。

matplotlib中的热力图：

语法：plt.imshow(data, **kwargs)

参数解释：

data：要绘制的热力图数据，为2维数组，如7行7列。

**kwargs：其他参数设置，例如cmap(颜色映射）等等。

示例数据和代码如下：

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
#构造数据，
year = [i for i in range(2010, 2022)]*12
year.sort()
month = ['Jan', 'Feb', 'Mar', 'Apr', 'May', 'Jun', 'Jul', 'Aug', 'Sep', 'Oct', 'Nov', 'Dec']*12
passenger = np.random.randint(100, 1000, (len(month), 1))[:, 0].tolist()
df = pd.DataFrame({'year':year, 'month':month, 'passenger':passenger})
print(df)

样本数据（2010-2021年每个月的乘客数）

现用热力图表示逐年逐月的乘客数系列。

to_heatmap = df['passenger'].values.reshape(12, -1) #将乘客数据转为二维数据
x_ticks = list(df['year'].unique()) #x轴标签数据，年份
y_ticks = list(df['month'].unique()) #y轴标签数据，月份
plt.imshow(to_heatmap, cmap = 'jet_r') #设置颜色映射为jet相反的映射
plt.xticks(range(0, 12, 2), labels = x_ticks[::2], rotation = 45)
plt.yticks(range(0, 12, 1), labels = y_ticks)
plt.xlabel('Year')
plt.ylabel('Month')
plt.show()

现我们需要将实际数据填充到方格中，并添加colorbar来对应颜色映射。

font1 = {'family': 'Times New Roman', 'size': 9} #设定一个字体样式 
fig, ax = plt.subplots(figsize = (5, 5))
ax1 = ax
im = ax1.imshow(to_heatmap, cmap = 'jet_r')
#设置axes对象的x轴和y轴标签，并设置标签的字体样式和对齐方式（很重要的属性，要熟悉）
ax1.set_xticks(range(0, 12, 2), labels = x_ticks[::2])
plt.setp(ax1.get_xticklabels(), rotation=45, ha='right',
         rotation_mode='anchor', fontproperties = 'Times New Roman', size = 10)
ax1.set_yticks(range(0, 12, 2), labels = y_ticks[::2])
plt.setp(ax1.get_xticklabels(), ha='right', fontproperties = 'Times New Roman', size = 10)
ax1.set_xlabel('Year')
ax1.set_ylabel('Month')

#添加colorbar
cbar = plt.colorbar(im, ax = ax1)
cbar.set_label('Passenger', rotation = -90, labelpad = 12)

#为每个方格添加所对应的数字，并设置字体样式和对齐方式
for i in range(len(x_ticks)):
    for j in range(len(y_ticks)):
        text = ax1.text(j, i, to_heatmap[i, j],
                       ha='center', va='center', color='w', font = font1)
plt.show()

补充：plotnine中的热力图绘制方法

plotnine是非常优秀的绘图库，与matplotlib库相比，plotnine绘制语句更加简单。但plotnine主要是R语言中过渡而来，笔者研究并不是很多，在此仅做一些基本的展示。

#加载基本数据，设置x轴y轴数据，设置填充数值为乘客列
base_plot = (ggplot(df, aes(x = 'year', y = 'month', fill = 'passenger', label = 'passenger'))
             + geom_tile(colour = 'black') #设置方块四周颜色
             #设置方块内的文字，大小，颜色
             + geom_text(aes(label = 'passenger'), size=6, colour = 'white')
             #设置方块颜色映射为jet的反向 
             + scale_fill_cmap(cmap_name = 'jet_r')
             #设置x轴标签和名称 
             + scale_x_continuous(name = 'Year', breaks = np.arange(2010, 2022, 3), expand = (0, 0))
             #设置图片大小和分辨率 
             + theme(dpi = 100, figure_size = (4, 4)))

print(base_plot)

#加载基本数据，并设置大小为passenger
base_plot = (ggplot(df, aes(x = 'year', y = 'month', fill = 'passenger', label = 'passenger', size = 'passenger'))
             #设置绘制方法为点，标记样式为圆，轮廓颜色为黑色 
             + geom_point(shape = 'o', colour = 'black')
             #设置最大圆的尺寸
             + scale_size_area(max_size = 11, guide = False)
             #设置颜色映射，name表示映射使用到哪个图中，本次是使用在点中，当有多个子图，有线和点，则name是必须的
             + scale_fill_cmap(name = 'Point', cmap_name = 'jet_r')
             + theme(dpi = 100, figure_size = (4, 4)))
print(base_plot)

base_plot = (ggplot(df, aes(x = 'year', y = 'month', fill = 'passenger', label = 'passenger', size = 'passenger'))
             #设置绘制方法为圆，标记形状为正方形
             + geom_point(shape = 's', colour = 'black')
             + scale_size_area(max_size = 11, guide = False)
             + scale_fill_cmap(cmap_name = 'jet_r')
             + theme(dpi = 100, figure_size = (4, 4)))
print(base_plot)