Python数据可视化的例子——热力图（heatmap）

（关系型数据的可视化）
热力图体现了两个离散变量之间的组合关系
热力图，有时也称之为交叉填充表。该图形最典型的用法就是实现列联表的可视化，即通过图形的方式展现两个离散变量之间的组合关系。读者可以借助于seaborn模块中的heatmap函数，完成热力图的绘制。按照惯例，首先对该函数的用法及参数含义做如下解释：

heatmap(data, vmin=None, vmax=None, cmap=None, center=None, annot=None, fmt='.2g',
     	annot_kws=None, linewidths=0, linecolor='white', cbar=True, cbar_kws = None,
     	square=False, xticklabels='auto', yticklabels='auto', mask=None, ax=None)

• data：指定绘制热力图的数据集。
• vmin,vmax：用于指定图例中最小值与最大值的显示值。
• cmap：指定一个colormap对象，用于热力图的填充色。（supported values are ‘Accent’, ‘Accent_r’, ‘Blues’, ‘Blues_r’, ‘BrBG’, ‘BrBG_r’, ‘BuGn’, ‘BuGn_r’, ‘BuPu’, ‘BuPu_r’, ‘CMRmap’, ‘CMRmap_r’, ‘Dark2’, ‘Dark2_r’, ‘GnBu’, ‘GnBu_r’, ‘Greens’, ‘Greens_r’, ‘Greys’, ‘Greys_r’, ‘OrRd’, ‘OrRd_r’, ‘Oranges’, ‘Oranges_r’, ‘PRGn’, ‘PRGn_r’, ‘Paired’, ‘Paired_r’, ‘Pastel1’, ‘Pastel1_r’, ‘Pastel2’, ‘Pastel2_r’, ‘PiYG’, ‘PiYG_r’, ‘PuBu’, ‘PuBuGn’, ‘PuBuGn_r’, ‘PuBu_r’, ‘PuOr’, ‘PuOr_r’, ‘PuRd’, ‘PuRd_r’, ‘Purples’, ‘Purples_r’, ‘RdBu’, ‘RdBu_r’, ‘RdGy’, ‘RdGy_r’, ‘RdPu’, ‘RdPu_r’, ‘RdYlBu’, ‘RdYlBu_r’, ‘RdYlGn’, ‘RdYlGn_r’, ‘Reds’, ‘Reds_r’, ‘Set1’, ‘Set1_r’, ‘Set2’, ‘Set2_r’, ‘Set3’, ‘Set3_r’, ‘Spectral’, ‘Spectral_r’, ‘Wistia’, ‘Wistia_r’, ‘YlGn’, ‘YlGnBu’, ‘YlGnBu_r’, ‘YlGn_r’, ‘YlOrBr’, ‘YlOrBr_r’, ‘YlOrRd’, ‘YlOrRd_r’, ‘afmhot’, ‘afmhot_r’, ‘autumn’, ‘autumn_r’, ‘binary’, ‘binary_r’, ‘bone’, ‘bone_r’, ‘brg’, ‘brg_r’, ‘bwr’, ‘bwr_r’, ‘cividis’, ‘cividis_r’, ‘cool’, ‘cool_r’, ‘coolwarm’, ‘coolwarm_r’, ‘copper’, ‘copper_r’, ‘cubehelix’, ‘cubehelix_r’, ‘flag’, ‘flag_r’, ‘gist_earth’, ‘gist_earth_r’, ‘gist_gray’, ‘gist_gray_r’, ‘gist_heat’, ‘gist_heat_r’, ‘gist_ncar’, ‘gist_ncar_r’, ‘gist_rainbow’, ‘gist_rainbow_r’, ‘gist_stern’, ‘gist_stern_r’, ‘gist_yarg’, ‘gist_yarg_r’, ‘gnuplot’, ‘gnuplot2’, ‘gnuplot2_r’, ‘gnuplot_r’, ‘gray’, ‘gray_r’, ‘hot’, ‘hot_r’, ‘hsv’, ‘hsv_r’, ‘icefire’, ‘icefire_r’, ‘inferno’, ‘inferno_r’, ‘jet’, ‘jet_r’, ‘magma’, ‘magma_r’, ‘mako’, ‘mako_r’, ‘nipy_spectral’, ‘nipy_spectral_r’, ‘ocean’, ‘ocean_r’, ‘pink’, ‘pink_r’, ‘plasma’, ‘plasma_r’, ‘prism’, ‘prism_r’, ‘rainbow’, ‘rainbow_r’, ‘rocket’, ‘rocket_r’, ‘seismic’, ‘seismic_r’, ‘spring’, ‘spring_r’, ‘summer’, ‘summer_r’, ‘tab10’, ‘tab10_r’, ‘tab20’, ‘tab20_r’, ‘tab20b’, ‘tab20b_r’, ‘tab20c’, ‘tab20c_r’, ‘terrain’, ‘terrain_r’, ‘turbo’, ‘turbo_r’, ‘twilight’, ‘twilight_r’, ‘twilight_shifted’, ‘twilight_shifted_r’, ‘viridis’, ‘viridis_r’, ‘vlag’, ‘vlag_r’, ‘winter’, ‘winter_r’）
• center：指定颜色中心值，通过该参数可以调整热力图的颜色深浅。
• annot：指定一个bool类型的值或与data参数形状一样的数组，如果为True，就在热力图的每个单元上显示数值。
• fmt：指定单元格中数据的显示格式。
• annot_kws：有关单元格中数值标签的其他属性描述，如颜色、大小等。
• linewidths：指定每个单元格的边框宽度。
• linecolor：指定每个单元格的边框颜色。
• cbar：bool类型参数，是否用颜色条作为图例，默认为True。
• square：bool类型参数，是否使热力图的每个单元格为正方形，默认为False。
• cbar_kws：有关颜色条的其他属性描述。
• xticklabels,yticklabels：指定热力图x轴和y轴的刻度标签，如果为True，则分别以数据框的变量名和行名称作为刻度标签。
• mask：用于突出显示某些数据。
• ax：用于指定子图的位置。

接下来，以某服装店的交易数据为例，统计2009—2012年每个月的销售总额：

然后运用如上介绍的heatmap函数对统计结果进行可视化展现，具体代码如下：

import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
import numpy as np

#设置绘图风格
plt.style.use('ggplot')
#处理中文乱码
plt.rcParams['font.sans-serif'] = ['Microsoft YaHei']
#坐标轴负号的处理
plt.rcParams['axes.unicode_minus']=False
# 读取数据
Sales = pd.read_excel(r'服装店的交易数据.xlsx')
# 根据交易日期，衍生出年份和月份字段
Sales['year'] = Sales.Date.dt.year
Sales['month'] = Sales.Date.dt.month
# 统计每年各月份的销售总额
Summary = Sales.pivot_table(index = 'month', columns = 'year', values = 'Sales', aggfunc = np.sum)
#打印销售额的列联表格式
print(Summary.head(13))
# 绘制热力图
sns.heatmap(data = Summary, # 指定绘图数据
            cmap = 'PuBuGn', # 指定填充色
            linewidths = .1, # 设置每个单元格边框的宽度
            annot = True, # 显示数值
            fmt = '.1e' # 以科学计算法显示数据
            )
#添加标题
plt.title('每年各月份销售总额热力图')
# 显示图形
plt.show()

结果：

year          2009         2010         2011         2012
month                                                    
1      520452.5595  334535.0605  255919.2030  341339.2470
2      333909.5565  271881.9480  299890.1410  281270.1790
3      411628.7290  217808.0065  296151.7510  387093.7650
4      406848.7620  266968.5890  290384.4670  278402.9940
5      228025.5680  287796.5150  264673.6260  384588.0615
6      273758.8780  293600.7750  196918.1455  316775.7855
7      412797.4600  240297.1585  287905.1865  275160.0495
8      329754.7150  205789.6440  275211.3295  306671.2835
9      325292.3145  419689.7785  278230.1660  319675.1765
10     347173.8005  368544.9250  305660.4510  351438.0925
11     253867.1960  295010.9555  385452.7300  261206.4290
12     420420.2355  368093.9540  328898.4945  351756.4180

它是列联表的格式，反映的是每年各月份的销售总额。很显然，通过肉眼是无法迅速发现销售业绩在各月份中的差异的，如果将数据表以热力图的形式展现，问题就会简单很多。

如上图呀所示就是将表格进行可视化的结果，每个单元格颜色的深浅代表数值的高低，通过颜色就能迅速发现每年各月份销售情况的好坏。