【数据可视化】Python日历热力图calplot

很久没有更新了，本来不打算更新内容了，但是这一段时间持续会用到一些以前的知识内容，PowerBI、Python和R都会涉及，有些特定的问题查资料、问ChatGPT都不能很有效的解决，最方便的还是看自己的历史文章，因为是自己写的，很容易就能够拿来使用。

所以基于此还是打算后面会继续更新内容，尽量让每一个板块最后都能形成体系，方便查阅和使用。打算更新的内容是PowerBI、数据可视化、分析思维模型、机器学习四个方向，没有固定的顺序，但最后会查漏补缺形成一个整体。

今天从一个可视化的内容开始回归。因为有使用需求，但是网上查了很多资料都很简单，没有达到使用的需求，于是结合官方文档，把自己能够想到的需求都使用案例完整展示一遍。是关于日历可视化的一个需求，目标很简单，按照每天一个单元格，每周一个维度，把一年的数据连城整体，可以直观的从日期的维度看到数据的趋势。

官方的链接和案例效果如下，有更细致的需求可以去看文档↓

https://calplot.readthedocs.io/en/latest/

可使用的参数也挺多，这里只列出来做参考↓

calplot.calplot(data, 
                how='sum', 
                yearlabels=True, 
                yearascending=True, 
                yearlabel_kws=None, 
                subplot_kws=None, 
                gridspec_kws=None, 
                figsize=None, 
                fig_kws=None, 
                colorbar=None, 
                suptitle=None, 
                suptitle_kws=None, 
                tight_layout=True, 
                **kwargs)

数据格式很简单，一个日期列+一个数值列，日期列需要设置成Index，作用是可以提取日期和时间，精准的放在每个方块里面。值只需要一个字段，根据值的大小来显示颜色。这里有一个模拟的数据，下载地址和字段如下↓

https://linss.oss-cn-beijing.aliyuncs.com/Python/File/calplot_data.xlsx

【准备工作】

先导入相应的数据和包，除了calplot的主题包可能需要格外安装，其他都是常用的包↓

import os
os.chdir(r"C:\Users\wangf\Desktop")
import calplot
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from matplotlib.font_manager import FontProperties
font_path = 'C:/WINDOWS/Fonts/MSYH.TTC'
my_font = FontProperties(fname=font_path)
plt.rcParams['font.sans-serif'] = ['SimHei']  # 设置中文字体为黑体
plt.rcParams['axes.unicode_minus'] = False  # 用来正常显示负号

这里因为后续需要用中文字符，就先把字体进行了设置，后续就不会报错了。然后接下来加载数据就行了。需要注意的是，要通过要把数据转化成series格式↓

df = pd.read_excel("calplot_data.xlsx")
df.set_index(df['date'],inplace = True)
df = df[['value']]
#将DataFrame的单列转换为Series，保留索引
series_data = df.squeeze()

【内置画图】

先简单画一个，大部分是内置参数，只需要传输数据即可↓

calplot.calplot(series_data)

通过edgecolor参数把边框去掉，然后使用cmap来映射系统的颜色，可以根据需求选择色系，代码和效果如下↓

calplot.calplot(series_data, 
                edgecolor=None, 
                cmap='RdGy_r')

使用figsize参数可以设置画布的大小↓

calplot.calplot(series_data, 
                edgecolor=None, 
                cmap='RdGy_r', 
                figsize=(16,9))

现在横坐标和纵坐标显示的是英文的星期和月份的缩写，可以通过daylabels和monthlabels两个参数设置自定义的显示名称，但需要主义的是，星期里面必须有7个值，月份里面必须12个值，代码和如下↓

calplot.calplot(series_data,
                edgecolor=None,
                figsize=(16,6),
                daylabels = ("周一","周二","周三","周四","周五","周六","周日"),
                monthlabels = ("1月","2月","3月","4月","5月","6月","7月","8月","9月","10月","11月","12月"),
                cmap='RdGy_r')

系统自带的颜色选项有166种，如下，可以根据需求自己选择，可以通过循环语句，展示所有的颜色，下面用部分颜色进行演示↓

color_list = ['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', 'inferno', 'inferno_r', 'jet', 'jet_r', 'magma', 'magma_r', 'nipy_spectral', 'nipy_spectral_r', 'ocean', 'ocean_r', 'pink', 'pink_r', 'plasma', 'plasma_r', 'prism', 'prism_r', 'rainbow', 'rainbow_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', 'winter', 'winter_r']
fig, axs = plt.subplots(10, 1, figsize=(6, 20))
for i, cor in enumerate(color_list[:10]):
    ax = axs[i]
    calplot.yearplot(series_data,
                    edgecolor=None,
                    ax=ax,
                    daylabels=("周一", "周二", "周三", "周四", "周五", "周六", "周日"),
                    monthlabels=("1月", "2月", "3月", "4月", "5月", "6月", "7月", "8月", "9月", "10月", "11月", "12月"),
                    cmap=cor)
    ax.set_title(cor, fontsize=16, pad=10)
plt.tight_layout()
plt.show()

【自定义颜色】

当然如果对系统的配色不满意，可以自己来自定义颜色，需要加载matplotlib里面颜色的包↓

import matplotlib.colors as mcolors
from matplotlib.colors import LinearSegmentedColormap
# 创建自定义颜色映射
custom_colors = ['#b52410', '#bfb43b', '#30ad1a']
num_colors = len(custom_colors)
colors = [mcolors.to_rgba(color) for color in custom_colors]
cmap = LinearSegmentedColormap.from_list('custom_cmap', colors, N=num_colors)

# 重新绘制颜色修改后的日历图
calplot.calplot(series_data,
                edgecolor=None,
                figsize=(16,6),
                daylabels = ("周一","周二","周三","周四","周五","周六","周日"),
                monthlabels = ("1月","2月","3月","4月","5月","6月","7月","8月","9月","10月","11月","12月"),
                cmap=cmap)

上面自定义了红黄蓝三个颜色，效果如下↓

可以看到，效果还可以，但是有一个不足是三种颜色是固定的，而不是上面系统中的渐变色，这就需要继续操作一下。

# 创建自定义渐变色映射
colors = [(0, '#b52410'), (0.5, '#ffffff'), (1, '#30ad1a')]
cmap = LinearSegmentedColormap.from_list('custom_cmap', colors)


# 绘制日历图，并使用自定义的渐变色映射
calplot.calplot(series_data,
                edgecolor=None,
                figsize=(16,6),
                daylabels = ("周一","周二","周三","周四","周五","周六","周日"),
                monthlabels = ("1月","2月","3月","4月","5月","6月","7月","8月","9月","10月","11月","12月"),
                cmap=cmap)

最终得到了我们想要的效果。

链接是我使用PowerBI整合的历史文章，按类型分类，可以根据需求查询：Microsoft Power BI

End