餐厅订单下单时间分布——热力图

db_lhm_2016

已于 2023-06-11 00:27:38 修改

阅读量936

点赞数 1

文章标签： python 开发语言

于 2023-06-10 20:16:59 首次发布

本文链接：https://blog.csdn.net/2301_77530559/article/details/131134844

版权

文章介绍了热力图的解读，包括其作为数值矩阵的特性，以及如何通过颜色变化展示数据。接着，详细讲述了使用Python如何绘制热力图，包括数据预处理、分组聚合和使用特定库如pyecharts进行可视化的过程。此外，还推荐了一个在线绘图网站供不熟悉R语言的读者使用。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

5.构造热力图的横轴、纵轴标签以及值数据结构

6.画热力图的一些配置项

前言：

热力图是一个表现数值的矩阵，通过颜色的变化我们可以很迅速的对数据有所了解，图中的每一个小长方形都是一个数值，选定我们所需要的色键颜色来给每一个数值分配颜色。

一、热力图的解读

热力图(Heatmap)是通过将数据矩阵中的各个值按照一定规律映射为颜色展示，利用颜色变化来可视化数据，这种方法可以很直观地呈现多样本多个基因的全局表达量变化，同时还可以展现多样本或者多基因表达量的聚类关系。

二、热力图的绘制

绘制热力图常用的是R语言，如果您对R不是很熟悉的话，推荐一个在线绘图网站https://www.bioladder.cn，此网站是由青莲公司和国家蛋白质科学中心联合建立和维护的，是此公司在满足自己以及其客户需求的基础上，开放给所有人免费使用的，不限制使用次数，是生信分析绘图免费又好用的神器。

三、实现热力图的具体代码

1.导入需要用到的库

代码示例：

import pandas as pd

2.导入需要处理的数据文件

（要注意路径是否正确，可以是相对路径也可以是绝对路径）

r的作用：加上 r 就是保持字符串原始值的含义，即不对其中的符号进行转义。

代码示例：

data = pd.read_excel(r'新订单表(1).xlsx')
data

运行结果：

3. 加工时间数据

采用Series.dt.dayofweek属性以在给定Series对象的基础数据中返回给定日期时间的星期几。现在我们将使用Series.dt.dayofweek属性以在给定Series对象的基础数据中返回给定日期时间的星期几。正如我们在输出中看到的，Series.dt.dayofweek属性已成功访问并返回给定系列对象的基础数据中的星期几。

aggregate()是聚合函数，可以简写为agg()。它可以将很多统计函数聚合在一起。

代码示例：

data['星期'] = data['用餐开始时间'].dt.dayofweek+1
data['小时数'] = data['用餐开始时间'].agg(lambda x:x.hour)
data

运行结果：

4.分组聚合求各个星期各个小时的订单数量

groupby()的作用就是为数据分组，然后在分组的基础上再做数据的分析。

count有两个作用：统计某个字段有值的记录数；统计结果集的记录数。

rename函数用于列名重命名。

代码示例：

result = data.groupby(by=['小时数','星期'])['订单编号'].count().rename('订单总数')
result

运行结果：

5.构造热力图的横轴、纵轴标签以及值数据结构

代码示例：

# 横轴、纵轴数据构造
x_list = [str(i+1) for i in range(24)]
y_list = ['星期一','星期二','星期三','星期四','星期五','星期六','星期日']
# 值数据构造
hour_list = [i+1 for i in range(24)]
xingqi_list = [i+1 for i in range(7)]
value_list = []
for i in range(len(hour_list)):
    for j in range(len(xingqi_list)):
        try:
            value_list.append([i,j,int(result[hour_list[i],xingqi_list[j]])])
        except Exception as e:
#             print(e)
            value_list.append([i,j,0])
value_list

运行结果：

6.画热力图的一些配置项

热力图heatmap可以表示三维信息，由于用颜色表示，相比数值没那么精确，多数用来表示变化趋势。

先导入画热力图需要的库

width：设置热力图的宽度

height：设置热力图的高度

color：表格中数字的颜色

range_color：表格中数据越高颜色越深，可以有三种及三种以上多种颜色

代码示例：

import pyecharts.options as opts
from pyecharts.charts import HeatMap

c = (
    HeatMap(init_opts=opts.InitOpts(width="800px", height="400px"))
    .add_xaxis(xaxis_data=x_list)
    .add_yaxis(
        series_name="用餐人数",
        yaxis_data=y_list,
        value=value_list,
        label_opts=opts.LabelOpts(
                                is_show=True, 
                                color="#fff", 
                                position="inside", 
        ),
    )
    .set_global_opts(
        legend_opts=opts.LegendOpts(is_show=False),
        xaxis_opts=opts.AxisOpts(
            type_="category",
            splitarea_opts=opts.SplitAreaOpts(
                is_show=True, areastyle_opts=opts.AreaStyleOpts(opacity=1)
            ),
        ),
        yaxis_opts=opts.AxisOpts(
            type_="category",
            splitarea_opts=opts.SplitAreaOpts(
                is_show=True, areastyle_opts=opts.AreaStyleOpts(opacity=1)
            ),
        ),
        visualmap_opts=opts.VisualMapOpts(
            min_=0, max_=50, 
            orient="horizontal",
            pos_left="center",
            range_color = ['#e5dec3','orange','red']
        ),
    )
)
c.render_notebook()

运行结果：