Pandas DataFrame热力图制作

您所在的位置：网站首页 › 根据经纬做画热力图怎么画的 › Pandas DataFrame热力图制作

Pandas DataFrame热力图制作

2024-07-12 18:30| 来源: 网络整理| 查看: 265

在本文中，我们将介绍如何使用Pandas DataFrame制作热力图，热力图是用颜色渐变的方式来展示数据分布的一种常用可视化工具。

阅读更多：Pandas 教程

Pandas DataFrame格式要求

制作热力图需要准备一个符合格式要求的Pandas DataFrame数据：

行列名称：可根据具体需求为DataFrame的行列名称进行命名数值数据：必须是可处理为数值类型的数据

接下来，我们将通过下面的代码创建一个包含5个城市，3种气象数据的DataFrame：

import pandas as pd import numpy as np city = ['Beijing', 'Shanghai', 'Guangzhou', 'Shenzhen', 'Chengdu'] data = np.random.rand(5, 3) * 100 df = pd.DataFrame(data, columns=['temp', 'humidity', 'pressure'], index=city) print(df)

输出结果如下：

temp humidity pressure Beijing 20.613260 18.635190 6.911586 Shanghai 85.275222 90.086730 67.491592 Guangzhou 90.044952 7.116220 95.579838 Shenzhen 27.445025 90.633246 99.197376 Chengdu 25.007299 90.279773 92.971441

其中，行列分别为5个城市和3种气象数据。

使用seaborn绘制热力图

接下来我们将介绍如何使用seaborn绘制使得数据可视化的热力图。

首先，需要安装seaborn，安装方式如下：

pip install seaborn

下面的代码展示了如何使用seaborn将df中的数据绘制成热力图：

import seaborn as sns import matplotlib.pyplot as plt sns.heatmap(df, annot=True, fmt='.2f', cmap='YlGnBu') plt.show()

我们可以看到5个城市中3种气象数据的分布情况。从颜色深浅可以更加清楚地看到数据的差异，同时通过注释可以更清晰地看到具体的数据值。

手动绘制热力图

如果上述方法不能满足要求或者需要进行更复杂的定制，我们也可以手动绘制热力图。

下面是一个绘制类似于上述seaborn的示例：

import matplotlib.pyplot as plt import numpy as np fig, ax = plt.subplots() im = ax.imshow(df, cmap='YlGnBu') ax.set_xticks(np.arange(len(df.columns))) ax.set_yticks(np.arange(len(df.index))) ax.set_xticklabels(df.columns) ax.set_yticklabels(df.index) for i in range(len(df.index)): for j in range(len(df.columns)): text = ax.text(j, i, f'{df.iloc[i, j]:.2f}', ha='center', va='center', color='w') ax.set_title('City Temperature') fig.tight_layout() plt.show()

该方法的可定制化性很高，如需要修改颜色、字体等均可以通过修改代码来进行实现。

总结

本文介绍了如何使用Pandas来制作热力图，包括制作热力图的DataFrame格式要求以及在实际中如何使用seaborn或者手动绘制热力图。

热力图是了解统计数据分布情况的重要方法，可以结合其他的分析方法一起来进行数据的可视化，以此来更加深入地了解数据。希望本文能够对大家有所帮助。

【本文地址】

Pandas DataFrame热力图制作

Pandas DataFrame热力图制作

今日新闻

推荐新闻