|
往期回顧 從零開始學(xué)Python【17】--matplotlib(面積圖)
從零開始學(xué)Python【16】--matplotlib(雷達(dá)圖)
從零開始學(xué)Python【15】--matplotlib(散點(diǎn)圖)
從零開始學(xué)Python【14】--matplotlib(折線圖)
從零開始學(xué)Python【13】--matplotlib(直方圖)
從零開始學(xué)Python【12】--matplotlib(箱線圖)
從零開始學(xué)Python【11】--matplotlib(餅圖)
從零開始學(xué)Python【10】--matplotlib(條形圖) 前言
新講開始啦~今天我們帶給大家?guī)淼氖顷P(guān)于如何繪制填充表格熱力圖的知識(shí)點(diǎn)，先給大家看一下效果圖。 
從效果圖里我們可以發(fā)現(xiàn)，所謂的填充表格熱力圖就是將原本為數(shù)字表（數(shù)組）的單元格以顏色來填充，顏色的深淺表示數(shù)值的大小。我想，對(duì)于這樣的圖來說，總比直接看密密麻麻的數(shù)值表要輕松的多吧，畢竟顏色感官比數(shù)字感官要直接，要具有更強(qiáng)的沖擊。除了填充表格熱力圖，還有更為常見的地圖熱力圖等。那填充表格熱力圖是如何應(yīng)用Python來實(shí)現(xiàn)的呢？就讓我們手把手的進(jìn)行講解吧~
數(shù)據(jù)采集—?dú)鉁財(cái)?shù)據(jù)
在繪圖之前，需要說明一下繪圖的數(shù)據(jù)源，案例中的數(shù)據(jù)是通過爬蟲獲取的，用的是上海9月份每天的最高氣溫，即生成兩列數(shù)據(jù)（日期和最高氣溫）。在有了原始數(shù)據(jù)的基礎(chǔ)上，還需要對(duì)數(shù)據(jù)進(jìn)行清洗和整理，關(guān)于這部分是做任何數(shù)據(jù)分析或可視化都必經(jīng)的坎。詳細(xì)可以通過下面的代碼來了解： # ========== Python3 + Jupyter ========== #
# 導(dǎo)入所需的第三方包
import datetime
import calendar
import requests
from bs4 import BeautifulSoup
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
# 采集數(shù)據(jù)
# 上海2017年9月份歷史氣溫?cái)?shù)據(jù)
url = 'http://lishi.tianqi.com/shanghai/201709.html'
# 發(fā)送爬蟲請求
response = requests.get(url).text
# 解析源代碼
soup = BeautifulSoup(response, 'html.parser')
# 根據(jù)HTML標(biāo)記語言，查詢目標(biāo)標(biāo)記下的數(shù)據(jù)
datas = soup.findAll('div',{'class':'tqtongji2'})[0].findAll('ul')[1:]
# 抓取日期數(shù)據(jù)
date = [i.findAll('li')[0].text for i in datas]
# 抓取最高溫?cái)?shù)據(jù)
high = [i.findAll('li')[1].text for i in datas]
# 創(chuàng)建數(shù)據(jù)框
df = pd.DataFrame({'date':date, 'high':high})
# 變量類型
df.dtypes
# 將date變量轉(zhuǎn)換為日期類型
df.date = pd.to_datetime(df.date)
# 將high變量轉(zhuǎn)換成數(shù)值型
df.high = df.high.astype('int')
# 數(shù)據(jù)處理
# 由日期型數(shù)據(jù)衍生出weekday
df['weekday'] = df.date.apply(pd.datetime.weekday)
# 由日期型數(shù)據(jù)計(jì)算week_of_month，即當(dāng)前日期在本月中是第幾周
# 由于沒有現(xiàn)成的函數(shù)，這里自定義一個(gè)函數(shù)來計(jì)算week_of_month
def week_of_month(tgtdate): # 由日期型參數(shù)tgtdate計(jì)算該月的天數(shù) days_this_month = calendar.mdays[tgtdate.month] # 通過循環(huán)當(dāng)月的所有天數(shù)，找出第二周的第一個(gè)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 # 返回日期所屬月份的第一周 return (tgtdate - startdate).days //7 + 1
df['week_of_month'] = df.date.apply(week_of_month)df.head()
到此為止，我們就完成了數(shù)據(jù)的采集和清洗過程，接下來我們就可以借助該數(shù)據(jù)完成填充熱力（日歷）圖的繪制。 填充熱力圖的繪制
基于matplotlib繪制熱力圖 其實(shí)，我需要繪制的是一個(gè)數(shù)據(jù)表，只不過把表中的每一個(gè)單元格用顏色填充起來。而表的結(jié)構(gòu)是：列代表周一到周日，行代表9月份第一周到第五周。很顯然，我們剛剛完成的數(shù)據(jù)并不符合這樣的結(jié)構(gòu)，故需要通過pandas模塊中的pivot_table函數(shù)制作一個(gè)透視表，然后才可以繪圖。關(guān)于熱力圖，我們可以使用matplotlib模塊中的pcolor函數(shù)，具體我們可以看下方的繪圖語句： # ==================繪圖前的數(shù)據(jù)整理=====================
# 構(gòu)建數(shù)據(jù)表（日歷）
target = pd.pivot_table(data = df.iloc[:,1:],values = 'high', index = 'week_of_month', columns = 'weekday')target
# 缺失值填充（不填充的話pcolor函數(shù)無法繪制）
target.fillna(0,inplace=True)
# 刪除表格的索引名稱
target.index.name = None
# 對(duì)索引排序（為了讓“第一周”到“第五周”的刻度從y軸的高到底顯示）
target.sort_index(ascending=False, inplace=True)
# ======================開始繪圖=========================
# 設(shè)置中文和負(fù)號(hào)正常顯示
plt.rcParams['font.sans-serif'] = 'Microsoft YaHei'
plt.rcParams['axes.unicode_minus'] = False
plt.pcolor(target, # 指定繪圖數(shù)據(jù) cmap=plt.cm.Blues, # 指定填充色 edgecolors = 'white' # 指點(diǎn)單元格之間的邊框色 )
# 添加x軸和y軸刻度標(biāo)簽(加0.5是為了讓刻度標(biāo)簽居中顯示)
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'])
# 消除圖框頂部和右部的刻度線
plt.tick_params(top='off', right = 'off')
# 添加標(biāo)題
plt.title('上海市2017年9月份每日最高氣溫分布圖')
# 顯示圖形
plt.show()
繪圖數(shù)據(jù)的表結(jié)構(gòu) 
熱力圖展現(xiàn) 
OK，一張?zhí)畛浔砀駸崃D就奇跡般的顯示了，而且看上去還蠻舒服的。從圖框看，9月份的第一天是周五，之后的每一天都有對(duì)應(yīng)的顏色顯示。但我在繪圖過程中發(fā)現(xiàn)幾個(gè)問題： 1）繪圖用的數(shù)據(jù)，不能包含缺失值，否則填充圖是繪制不出來的，所有需要對(duì)缺失值做填充處理； 2）最終的圖例無法實(shí)現(xiàn)，即顏色的深淺，代表了具體的數(shù)值范圍是什么？ 3）不方便將具體的溫度值顯示在每個(gè)單元格內(nèi)； 為解決上面的三個(gè)問題，我們借助于seaborn模塊中的heatmap函數(shù)重新繪制一下熱力圖，而且這些問題在heatmap函數(shù)看來根本不算問題。 基于seaborn繪制熱力圖# 通過透視圖函數(shù)形成繪圖數(shù)據(jù)
target = pd.pivot_table(data = df.iloc[:,1:],values = 'high', index = 'week_of_month', columns = 'weekday')
# 繪圖
ax = sns.heatmap(target, # 指定繪圖數(shù)據(jù) cmap=plt.cm.Blues, # 指定填充色 linewidths=.1, # 設(shè)置每個(gè)單元方塊的間隔 annot=True # 顯示數(shù)值 )
# 添加x軸刻度標(biāo)簽(加0.5是為了讓刻度標(biāo)簽居中顯示)
plt.xticks(np.arange(7)+0.5,['周一','周二','周三','周四','周五','周六','周日'])
# 可以將刻度標(biāo)簽置于頂部顯示
# ax.xaxis.tick_top()
# 添加y軸刻度標(biāo)簽
plt.yticks(np.arange(5)+0.5,['第一周','第二周','第三周','第四周','第五周'])
# 旋轉(zhuǎn)y刻度0度，即水平顯示
plt.yticks(rotation = 0)
# 設(shè)置標(biāo)題和坐標(biāo)軸標(biāo)簽
ax.set_title('上海市2017年9月份每日最高氣溫分布圖')ax.set_xlabel('')ax.set_ylabel('')
# 顯示圖形
plt.show()
完美熱力圖的繪制太簡單了！不需要做任何的特殊處理，只需要將繪圖數(shù)據(jù)扔給heatmap函數(shù)即可。想想是不是有點(diǎn)小激動(dòng)啊~激動(dòng)過后，還得跟著步驟操作一表哦~ 結(jié)語
|
