python绘制日历图

seaborn的热力图实现

# 导入用到的包
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
import matplotlib as mpl

file = r'/Users/caizhiming/Downloads/fz2019.xlsx'
df = pd.read_excel(file, sheet_name='Sheet1',index_col='月份')
df.head(10)

	1日	2日	3日	4日	5日	6日	7日	8日	9日	10日	...	22日	23日	24日	25日	26日	27日	28日	29日	30日	31日
月份
9月	21	26	24	19	25	33	57	73	63	61	...	66	86	110	121	126	92	80	68.0	46.0	NaN
8月	27	22	36	37	23	28	37	24	26	32	...	45	22	20	25	32	65	19	49.0	45.0	42.0
7月	72	22	29	32	34	30	41	45	40	26	...	44	50	60	67	71	64	72	63.0	42.0	24.0
6月	38	36	38	70	64	46	47	49	41	28	...	29	33	37	37	62	58	53	62.0	59.0	NaN
5月	47	85	73	91	64	62	66	57	52	83	...	77	73	49	55	61	40	42	63.0	85.0	77.0
4月	58	51	40	43	48	71	74	82	62	52	...	58	62	91	52	63	48	48	71.0	52.0	NaN
3月	42	45	44	50	48	40	66	58	37	34	...	52	46	50	40	54	62	68	43.0	64.0	65.0
2月	42	46	95	69	107	68	62	35	32	32	...	36	33	29	34	50	67	35	NaN	NaN	NaN
1月	29	35	35	52	55	44	43	48	33	57	...	85	70	71	72	68	46	39	46.0	47.0	42.0

9 rows × 31 columns

# mpl.rcParams['font.sans-serif'] = ['SimHei']   #设置简黑字体
mpl.rcParams['font.sans-serif'] = ['Songti SC']
mpl.rcParams['axes.unicode_minus'] = False

cm_light = mpl.colors.ListedColormap(['tab:green','yellow','orange','red'])
plt.figure(figsize=(22,6))
# mask标记过滤值
ax = sns.heatmap(df, square=True, annot=True, vmin=0, vmax=200, fmt='.0f', linewidths=.05
                , linecolor='gray', mask=df<30, cmap=cm_light)


plt.ylim(0, len(df)+.5)
plt.xlim(0, len(df.columns)+.5)
plt.show()

自定义颜色及调节颜色标尺的颜色区间

# 自定义黄色颜色
y = np.array([255, 255, 0])/255
colors = ['tab:green',y,'orange','red']
# 自由设定颜色区间
bounds = [0, 60, 100, 180, 300]
# bounds = [0, 75, 150, 225, 300] # 也可以均匀划分
cm_light = mpl.colors.ListedColormap(colors)
norm = mpl.colors.BoundaryNorm(bounds, cm_light.N)

plt.figure(figsize=(22,6))
# cbar_kws设定颜色标尺的ticks线性分布
ax = sns.heatmap(df, square=True, annot=True, vmin=0, vmax=200, fmt='.0f', linewidths=.05,
                linecolor='gray', mask=df<30, cmap=cm_light, norm=norm, 
                 cbar_kws={'ticks': bounds, 'spacing':'proportional'})


# 防止显示不全（有的版本及操作系统会遇到这个问题）
plt.ylim(0, len(df)+.5)
plt.xlim(0, len(df.columns)+0.5)
plt.show()

使用pyecharts实现日历图

pyecharts的数据结构不同需要处理：

# 导入时间处理常用的包
import datetime
# 导入pyecharts绘制日历图的包
from pyecharts import options as opts
from pyecharts.charts import Calendar

values = df.iloc[::-1, :].to_numpy()
begin = pd.datetime(2019, 1, 1)
count, data = 0, []
for row in values:
    for val in row:
        data.append([str(begin + datetime.timedelta(count)), val])
        count += 1

c = (
    Calendar()
    .add("", data, calendar_opts=opts.CalendarOpts(range_="2019"))
    .set_global_opts(
        title_opts=opts.TitleOpts(title="2019年数据展示"),
        visualmap_opts=opts.VisualMapOpts(
            max_=200,
            min_=0,
            orient="horizontal",
            is_piecewise=True,
            pos_top="230px",
            pos_left="100px",
        ),
    )
)

c.render_notebook()