python 热力图_Python绘制日历图和热力图

本文以2019年全国各城市的空气质量观测数据为例，利用matplotlib、calmap、pyecharts绘制日历图和热力图。在绘图之前先利用pandas对空气质量数据进行处理。

2019年全国各城市空气质量观测数据来源于：https://beijingair.sinaapp.com。

数据处理

从网站下载的数据为逐小时数据，每天一个文件。如果要绘制全年的日历图或者热图，首先要将所有的数据进行合并处理。

下载好数据之后，将数据解压到当前目录的2019文件夹内，然后处理数据：

import globfrom datetime import datetime, timedeltaimport numpy as npimport pandas as pdfrom matplotlib import cm, colorsimport matplotlib.dates as mdatesimport matplotlib.patches as mpatchesimport matplotlib.pyplot as pltdef format_aqi(filep, columns=None):    files = glob.glob(filep)    df = pd.concat((pd.read_csv(f) for f in files))    df.index = pd.to_datetime(df.date.astype(np.str) + df.hour.apply(lambda x: '%02d'%x), format='%Y%m%d%H')    # drop date and hour columns    df.drop(['date', 'hour'], axis=1, inplace=True)    df = df.pivot_table(columns='type', index=df.index)    df.columns.names = ['station', 'type']    df.index.names = ['date']    df = df.stack('station')    if columns is not None:        df = df.loc[:, columns]    return dffilep = '2019/china*.csv'    data = format_aqi(filep)data.csv('2019.csv') # 保存以便后续使用

合并完成数据后，读取数据并进一步处理：

data = pd.read_csv('2019.csv', index_col=&#