局部整体（一）利用python绘制矩形树图

局部整体（一）利用python绘制矩形树图

矩形树图（ Treemap）简介

矩形树图利用嵌套式矩形来显示层次结构，同时通过面积大小显示每个类别的数量。因此每个类别会分配给一个矩形区域，而其子类别则由嵌套在其中的小矩形表示。由于其紧凑且节省空间的显示方式，可以让人快速了解分类数据的结构；其大小也方便用来比较类别之间的比例。

快速绘制

1. 基于squarify

   import pandas as pd
   import matplotlib.pyplot as plt
   import squarify 
    
   # 利用squarify快速绘制
   squarify.plot(sizes=[13,22,35,5], label=["group A", "group B", "group C", "group D"], alpha=.7 )
   plt.axis('off')
   
   plt.show()
   

   

2. 基于plotly

   # 基于plotly.express（自定义程度低，代码量较少）
   
   import plotly.express as px
   import numpy as np
   
   df = px.data.gapminder().query("year == 2007")
   
   # 利用treemap快速绘制
   fig = px.treemap(df, path=[px.Constant("world"), 'continent', 'country'], values='pop',
                     color='lifeExp', hover_data=['iso_alpha'],
                     color_continuous_scale='RdBu',
                     color_continuous_midpoint=np.average(df['lifeExp'], weights=df['pop']))
   fig.update_layout(margin = dict(t=50, l=25, r=25, b=25))
   
   fig.show()
   

   

定制多样化的矩形树图

自定义矩形树图一般是结合使用场景对相关参数进行修改，并辅以其他的绘图知识。参数信息可以通过官网进行查看，其他的绘图知识则更多来源于实战经验，大家不妨将接下来的绘图作为一种学习经验，以便于日后总结。

1. squarify自定义颜色

   更多用法可参考Treemaps in Python with squarify

   import matplotlib.pyplot as plt
   import squarify
    
   # 自定义颜色
   squarify.plot(sizes=[13,22,35,5], label=["group A", "group B", "group C", "group D"]
                     , color=["red","green","blue", "grey"], alpha=.4 )
   plt.axis('off')
   
   plt.show()
   

   

2. 基于plotly.graph_objects

   plotly一般可以用express和graph_objects绘图。区别在于express一般是封装好的代码，能够快速绘制出相关图形，但是自定义程度较低；graph_objects则更具灵活性，缺点就是代码复杂度较高。

   # 基于plotly.graph_objects（自定义程度高，代码量较大）
   
   import plotly.graph_objects as go
   import plotly.express as px
   import pandas as pd
   import numpy as np
   
   df = px.data.gapminder().query("year == 2007")
   
   def build_tree(df, levels, value_columns):
       '''
       将df多层级数据转化为两列，分别表示自节点（label）和父节点（parent）。value_columns为统计值（不同层级汇总后的值）
       '''
       dfs = []  # 临时存储的df列表
       for i, level in enumerate(levels):
           dfg = df.groupby(levels[i:]).agg(value_columns).reset_index()
           df_level = pd.DataFrame({'label': dfg[level], 
                                    'parent': dfg[levels[i + 1]] if i + 1 < len(levels) else 'world', 
                                  })
           for value_column in value_columns.keys():
               df_level[value_column] = dfg[value_column]
           dfs.append(df_level)
   
       df_tree = pd.concat(dfs, ignore_index=True)
       return df_tree
   
   levels = ['country','continent']
   # 这里对lifeExp只做简单的平均，plotly.express里的color是按照value作为权重进行加权平均计算的
   value_columns = {'pop': 'sum', 'lifeExp': 'mean'} 
   df_tree = build_tree(df, levels, value_columns)
   
   fig =go.Figure(go.Treemap(
       labels=df_tree['label'],
       parents=df_tree['parent'],
       values=df_tree['pop'],
       branchvalues="total",
       hovertext=df['pop'],
       marker=dict(
           colors=df_tree['lifeExp'], 
           colorscale='RdBu',
           cmid=np.average(df['lifeExp'], weights=df['pop']),
           colorbar=dict(
                 title='LifeExp'
           )    
       ),
       hovertemplate='<b>%{label} </b> <br> Pops: %{value}<br> lifeExp: %{color:.2f}',
   ))
   fig.update_layout(margin = dict(t=0, l=0, r=0, b=0))
   
   fig.show()
   

   

总结

以上通过squarify和plotly快速绘制矩形树图，并且可以利用plotly的graph_objects更为灵活的绘制独具风格的矩形树图。

共勉～