Pandas DataFrame热力图制作

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。

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()