Pandas 从DataFrame制作热图

在本文中，我们将介绍如何使用Pandas从DataFrame中制作热图。热图是一种可视化方法，用于呈现具有类别数据的值。这种图形是一种常见的数据分析和探索技术，通常用于探索数据集中的相似性和模式。

准备数据

在此示例中，我们将使用一个名为“Sales.csv”的CSV文件来创建热图。这个文件包含一些样本销售数据，每个样本对应于一个月，一个区域和一个产品类别的销售额。我们将使用Pandas读取这个CSV文件来创建DataFrame并准备数据。

import pandas as pd
import seaborn as sns

sales_df = pd.read_csv('Sales.csv')
sales_df = sales_df.pivot('Region', 'Month', 'Sales')

制作热图

我们可以使用Seaborn库中的heatmap()函数来制作热图。heatmap()函数取一个DataFrame作为输入，并使用颜色编码来表示值的大小。默认情况下，它使用matplotlib中的颜色图来编码值。下面是使用Seaborn库创建热图的示例代码：

sns.heatmap(sales_df, annot=True, fmt=".1f", cmap='YlGnBu')

在这里，我们传递了一个名为“sales_df”的DataFrame给heatmap()函数。参数“annot”用于在每个单元格中显示值，“fmt”用于设置值的格式，而“cmap”指定了用于颜色编码值的颜色图。在这个示例中，我们使用YlGnBu颜色图。

设置热图参数

我们还可以使用heatmap()函数的其他参数来设置热图的外观。例如，我们可以设置x轴和y轴的标签，标题，标准化值的方式以及颜色图的范围。下面是一些示例代码：

sns.heatmap(sales_df, annot=True, fmt=".1f", cmap='YlGnBu',
            xticklabels=["Jan", "Feb", "Mar", "Apr", "May", "Jun", "Jul", "Aug", "Sep", "Oct", "Nov", "Dec"], 
            yticklabels=["North", "South", "East", "West"], 
            vmin=0, vmax=150000, center=75000,
            cbar_kws={'label': 'Sales ($)'}, 
            square=True)
plt.title('Monthly Sales by Region and Product Category')
plt.xlabel('Month')
plt.ylabel('Region')

在这个例子中，我们设置了x轴和y轴的标签，标题，数据范围以及颜色图。我们还将“square”参数设置为True，以便使所有单元格的宽度和高度相等。最后，我们使用matplotlib库中的title()，xlabel()和ylabel()函数来添加标题和标签。