从零开始学Python【18】--matplotlib(热力图)

从零开始学Python【18】--matplotlib(热力图)

前言

如何绘制填充表格热力图的知识点，先给大家看一下效果图。

从效果图里我们可以发现，所谓的填充表格热力图就是将原本为数字表（数组）的单元格以颜色来填充，颜色的深浅表示数值的大小。我想，对于这样的图来说，总比直接看密密麻麻的数值表要轻松的多吧，毕竟颜色感官比数字感官要直接，要具有更强的冲击。除了填充表格热力图，还有更为常见的地图热力图等。那填充表格热力图是如何应用Python来实现的呢？就让我们手把手的进行讲解吧~

数据采集—气温数据

通过爬虫获取的，用的是上海9月份每天的最高气温，即生成两列数据（日期和最高气温）。在有了原始数据的基础上，还需要对数据进行清洗和整理，关于这部分是做任何数据分析或可视化都必经的坎。详细可以通过下面的代码来了解：

步骤一：数据采集

# ========== Python3 + Jupyter ========== ## 导入所需的第三方包import datetimeimport calendarimport requestsfrom bs4 import BeautifulSoupimport pandas as pdimport numpy as npimport matplotlib.pyplot as pltimport seaborn as sns# 采集数据# 上海2017年9月份历史气温数据url = '发送爬虫请求response = requests.get(url).text# 解析源代码soup = BeautifulSoup(response, 'html.parser')# 根据HTML标记语言，查询目标标记下的数据datas = soup.findAll('div',{'class':'tqtongji2'})[0].findAll('ul')[1:]# 抓取日期数据date = [i.findAll('li')[0].text for i in datas]# 抓取最高温数据high = [i.findAll('li')[1].text for i in datas]# 创建数据框df = pd.DataFrame({'date':date, 'high':high})# 变量类型df.dtypes

步骤二：数据整理

# 将date变量转换为日期类型df.date = pd.to_datetime(df.date)# 将high变量转换成数值型df.high = df.high.astype('int')# 数据处理# 由日期型数据衍生出weekdaydf['weekday'] = df.date.apply(pd.datetime.weekday)# 由日期型数据计算week_of_month，即当前日期在本月中是第几周# 由于没有现成的函数，这里自定义一个函数来计算week_of_monthdef week_of_month(tgtdate): # 由日期型参数tgtdate计算该月的天数 days_this_month = calendar.mdays[tgtdate.month] # 通过循环当月的所有天数，找出第二周的第一个日期 for i in range(1, days_this_month + 1): d = datetime.datetime(tgtdate.year, tgtdate.month, i) if d.day - d.weekday() > 0: startdate = d break # 返回日期所属月份的第一周 return (tgtdate - startdate).days //7 + 1df['week_of_month'] = df.date.apply(week_of_month)df.head()

到此为止，我们就完成了数据的采集和清洗过程，接下来我们就可以借助该数据完成填充热力（日历）图的绘制。

填充热力图的绘制

基于matplotlib绘制热力图

需要绘制的是一个数据表，只不过把表中的每一个单元格用颜色填充起来。而表的结构是：列代表周一到周日，行代表9月份第一周到第五周。很显然，我们刚刚完成的数据并不符合这样的结构，故需要通过pandas模块中的pivot_table函数制作一个透视表，然后才可以绘图。关于热力图，我们可以使用matplotlib模块中的pcolor函数，具体我们可以看下方的绘图语句：

# ==================绘图前的数据整理=====================# 构建数据表（日历）target = pd.pivot_table(data = df.iloc[:,1:],values = 'high', index = 'week_of_month', columns = 'weekday')target# 缺失值填充（不填充的话pcolor函数无法绘制）target.fillna(0,inplace=True)# 删除表格的索引名称target.index.name = None# 对索引排序（为了让“第一周”到“第五周”的刻度从y轴的高到底显示）target.sort_index(ascending=False, inplace=True)# ======================开始绘图=========================# 设置中文和负号正常显示plt.rcParams['font.sans-serif'] = 'Microsoft YaHei'plt.rcParams['axes.unicode_minus'] = Falseplt.pcolor(target, # 指定绘图数据 cmap=plt.cm.Blues, # 指定填充色 edgecolors = 'white' # 指点单元格之间的边框色 )# 添加x轴和y轴刻度标签(加0.5是为了让刻度标签居中显示)plt.xticks(np.arange(7)+0.5,['周一','周二','周三','周四','周五','周六','周日'])plt.yticks(np.arange(5)+0.5,['第五周','第四周','第三周','第二周','第一周'])# 消除图框顶部和右部的刻度线plt.tick_params(top='off', right = 'off')# 添加标题plt.title('上海市2017年9月份每日最高气温分布图')# 显示图形plt.show()

绘图数据的表结构

热力图展现

OK，一张填充表格热力图就奇迹般的显示了，而且看上去还蛮舒服的。从图框看，9月份的第一天是周五，之后的每一天都有对应的颜色显示。但我在绘图过程中发现几个问题：

1）绘图用的数据，不能包含缺失值，否则填充图是绘制不出来的，所有需要对缺失值做填充处理；

2）最终的图例无法实现，即颜色的深浅，代表了具体的数值范围是什么？

3）不方便将具体的温度值显示在每个单元格内；

借助于seaborn模块中的heatmap函数重新绘制一下热力图，而且这些问题在heatmap函数看来根本不算问题。

基于seaborn绘制热力图

# 通过透视图函数形成绘图数据target = pd.pivot_table(data = df.iloc[:,1:],values = 'high', index = 'week_of_month', columns = 'weekday')# 绘图ax = sns.heatmap(target, # 指定绘图数据 cmap=plt.cm.Blues, # 指定填充色 linewidths=.1, # 设置每个单元方块的间隔 annot=True # 显示数值 )# 添加x轴刻度标签(加0.5是为了让刻度标签居中显示)plt.xticks(np.arange(7)+0.5,['周一','周二','周三','周四','周五','周六','周日'])# 可以将刻度标签置于顶部显示# ax.xaxis.tick_top()# 添加y轴刻度标签plt.yticks(np.arange(5)+0.5,['第一周','第二周','第三周','第四周','第五周'])# 旋转y刻度0度，即水平显示plt.yticks(rotation = 0)# 设置标题和坐标轴标签ax.set_title('上海市2017年9月份每日最高气温分布图')ax.set_xlabel('')ax.set_ylabel('')# 显示图形plt.show()

完美热力图的绘制太简单了！不需要做任何的特殊处理，只需要将绘图数据扔给heatmap函数即可。想想是不是有点小激动啊~激动过后，还得跟着步骤操作一表哦~

结语

最后，本文相关的Python脚本和PDF版本已存放到百度云盘，可以通过下面的链接获取：

链接: 密码: jsgx

每天进步一点点2015

学习与分享，取长补短，关注小号！

长按识别二维码 马上关注

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。