ทำแผนที่ความร้อนจาก DataFrame แพนด้า

ฉันมีดาต้าเฟรมที่สร้างจากแพ็คเกจ Pandas ของ Python ฉันจะสร้างแผนที่ความร้อนโดยใช้ DataFrame จากแพ็คเกจแพนด้าได้อย่างไร

import numpy as np 
from pandas import *

Index= ['aaa','bbb','ccc','ddd','eee']
Cols = ['A', 'B', 'C','D']
df = DataFrame(abs(np.random.randn(5, 4)), index= Index, columns=Cols)

>>> df
          A         B         C         D
aaa  2.431645  1.248688  0.267648  0.613826
bbb  0.809296  1.671020  1.564420  0.347662
ccc  1.501939  1.126518  0.702019  1.596048
ddd  0.137160  0.147368  1.504663  0.202822
eee  0.134540  3.708104  0.309097  1.641090
>>> 

คุณต้องการmatplotlib.pcolor:

import numpy as np 
from pandas import DataFrame
import matplotlib.pyplot as plt

index = ['aaa', 'bbb', 'ccc', 'ddd', 'eee']
columns = ['A', 'B', 'C', 'D']
df = DataFrame(abs(np.random.randn(5, 4)), index=index, columns=columns)

plt.pcolor(df)
plt.yticks(np.arange(0.5, len(df.index), 1), df.index)
plt.xticks(np.arange(0.5, len(df.columns), 1), df.columns)
plt.show()

สิ่งนี้ให้:

สำหรับคนที่กำลังมองหาวันนี้ผมขอแนะนำ Seaborn heatmap()เป็นเอกสารที่นี่

ตัวอย่างข้างต้นจะทำได้ดังนี้:

import numpy as np 
from pandas import DataFrame
import seaborn as sns
%matplotlib inline

Index= ['aaa', 'bbb', 'ccc', 'ddd', 'eee']
Cols = ['A', 'B', 'C', 'D']
df = DataFrame(abs(np.random.randn(5, 4)), index=Index, columns=Cols)

sns.heatmap(df, annot=True)

ในกรณีที่%matplotlibเป็นฟังก์ชั่นมายากล IPython สำหรับผู้ที่ไม่คุ้นเคย

หากคุณไม่ต้องการพล็อตต่อคำพูดและคุณเพียงแค่สนใจที่จะเพิ่มสีเพื่อแสดงค่าในรูปแบบตารางคุณสามารถใช้style.background_gradient()วิธีการของกรอบข้อมูลแพนด้า วิธีนี้ทำให้ตาราง HTML เป็นสีที่แสดงเมื่อดูเฟรมข้อมูลแพนด้าเช่นสมุดบันทึก JupyterLab และผลลัพธ์จะคล้ายกับการใช้ "การจัดรูปแบบตามเงื่อนไข" ในซอฟต์แวร์สเปรดชีต:

import numpy as np 
import pandas as pd


index= ['aaa', 'bbb', 'ccc', 'ddd', 'eee']
cols = ['A', 'B', 'C', 'D']
df = pd.DataFrame(abs(np.random.randn(5, 4)), index=index, columns=cols)
df.style.background_gradient(cmap='Blues')

สำหรับการใช้งานรายละเอียดโปรดดูคำตอบที่ซับซ้อนมากขึ้นผมมีให้บริการในหัวข้อเดียวกันก่อนหน้านี้และส่วนจัดแต่งทรงผมของเอกสารหมีแพนด้า

ประโยชน์sns.heatmapAPI เป็นที่นี่ ตรวจสอบพารามิเตอร์มีจำนวนมาก ตัวอย่าง:

import seaborn as sns
%matplotlib inline

idx= ['aaa','bbb','ccc','ddd','eee']
cols = list('ABCD')
df = DataFrame(abs(np.random.randn(5,4)), index=idx, columns=cols)

# _r reverses the normal order of the color map 'RdYlGn'
sns.heatmap(df, cmap='RdYlGn_r', linewidths=0.5, annot=True)

หากคุณต้องการแผนที่ความร้อนแบบโต้ตอบจาก Pandas DataFrame และคุณกำลังเรียกใช้สมุดบันทึก Jupyter คุณสามารถลองใช้ Widget Clustergrammer-Widgetแบบโต้ตอบดูสมุดบันทึกแบบโต้ตอบบน NBViewer ที่นี่เอกสารประกอบที่นี่

และสำหรับชุดข้อมูลขนาดใหญ่คุณสามารถลองใช้วิดเจ็ตClustergrammer2 WebGL ที่กำลังพัฒนา(ตัวอย่างสมุดบันทึกที่นี่ )

โปรดทราบว่าผู้เขียนต้องการseabornเท่านั้น seaborn.heatmapที่จะทำงานร่วมกับ dataframes เด็ดขาด ไม่ใช่เรื่องทั่วไป

หากดัชนีและคอลัมน์ของคุณเป็นตัวเลขและ / หรือค่าวันที่และเวลารหัสนี้จะตอบสนองคุณได้ดี

ฟังก์ชันการทำแผนที่ความร้อน Matplotlib pcolormeshต้องใช้ถังขยะแทนดัชนีดังนั้นจึงมีโค้ดแฟนซีบางอย่างในการสร้างถังขยะจากดัชนีดาต้าเฟรมของคุณ (แม้ว่าดัชนีของคุณจะไม่เว้นระยะเท่า ๆ กันก็ตาม!)

ส่วนที่เหลือเป็นเพียงและnp.meshgridplt.pcolormesh

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

def conv_index_to_bins(index):
    """Calculate bins to contain the index values.
    The start and end bin boundaries are linearly extrapolated from 
    the two first and last values. The middle bin boundaries are 
    midpoints.

    Example 1: [0, 1] -> [-0.5, 0.5, 1.5]
    Example 2: [0, 1, 4] -> [-0.5, 0.5, 2.5, 5.5]
    Example 3: [4, 1, 0] -> [5.5, 2.5, 0.5, -0.5]"""
    assert index.is_monotonic_increasing or index.is_monotonic_decreasing

    # the beginning and end values are guessed from first and last two
    start = index[0] - (index[1]-index[0])/2
    end = index[-1] + (index[-1]-index[-2])/2

    # the middle values are the midpoints
    middle = pd.DataFrame({'m1': index[:-1], 'p1': index[1:]})
    middle = middle['m1'] + (middle['p1']-middle['m1'])/2

    if isinstance(index, pd.DatetimeIndex):
        idx = pd.DatetimeIndex(middle).union([start,end])
    elif isinstance(index, (pd.Float64Index,pd.RangeIndex,pd.Int64Index)):
        idx = pd.Float64Index(middle).union([start,end])
    else:
        print('Warning: guessing what to do with index type %s' % 
              type(index))
        idx = pd.Float64Index(middle).union([start,end])

    return idx.sort_values(ascending=index.is_monotonic_increasing)

def calc_df_mesh(df):
    """Calculate the two-dimensional bins to hold the index and 
    column values."""
    return np.meshgrid(conv_index_to_bins(df.index),
                       conv_index_to_bins(df.columns))

def heatmap(df):
    """Plot a heatmap of the dataframe values using the index and 
    columns"""
    X,Y = calc_df_mesh(df)
    c = plt.pcolormesh(X, Y, df.values.T)
    plt.colorbar(c)

เรียกว่าใช้และดูได้โดยใช้heatmap(df)plt.show()