Python - seaborn | 热力图 heatmap

这篇文章主要是介绍用seaborn绘制热力图heatmap的一些基本用法。

会涉及以下几方面内容:

1. Openpyxl读取excel文件内容
2. Seaborn绘制heatmap
3. Seaborn输出成pdf

在数据处理的一些敏感信息，我用xxxxxx进行了替代，但不影响整理代码阅读

主要参考的相关网站有以下几个:

• https://seaborn.pydata.org/generated/seaborn.heatmap.html#seaborn.heatmap
• https://www.jianshu.com/p/d30fdfbeb312 MultiIndex
• https://www.cnblogs.com/onemorepoint/p/8425300.html pivot_table

#------------------------引入相关库--------------------------------
import time
import os
import pandas as pd
from openpyxl import load_workbook #读取excel
import matplotlib.pyplot as plt
import seaborn as sns #heatmap
from matplotlib.backends.backend_pdf import PdfPages #plt输出成图片格式(未使用)
#------------------------读取相关数据----------------------------
# 读取主数据
md=r'C:\Users\xxxxxx.xlsx'
md_df=pd.read_excel(md,sheet_name='SKU',index_col=None,header=0) #读取SKU主数据
md_dic=dict(zip(md_df['Code'],md_df['Desciption'])) #将需要用的主数据转成dict格式
# 读取每月GM数据
tgt=r'C:\Users\ xxxxxx\SKU-GM-2023.xlsx'
src=r'C:\Users\ xxxxxx\GM rate by Product 202309.xlsx'
srcWB=load_workbook(src,data_only=True) #openpyxl读取excel文件
srcWS=srcWB['variance check'] #指定需要用sheet
gm={} #初始化一个变量,格式 sku:[gm1%,gm2%]
for row in range(3,42): #循环表格内容，读入字典
	sku=srcWS.cell(row,1).value
	if sku in md_dic.keys():
			rowData=[] #创建空列表
			for col in range(13,22): #loop columns-GM%2
					cellData=srcWS.cell(row,col).value #每个单元格值
					if cellData is None: #空值替换为0值
							cellData=0
					rowData.append(cellData)
			# print(f'sku={sku},data={rowData}')
			gm[sku]=rowData
gm_df=pd.DataFrame(gm).T #将dataframe转置成
# gm_df.reset_index(inplace=True)
gm_df1=gm_df.fillna(0) #将na填充为0值
gm_df1.columns=['202301','202302','202303','202304','202305','202306',
'202307','202308','202309','202310'] #手工维护的期间
with pd.ExcelWriter(tgt) as writer:
			gm_df1.to_excel(writer,sheet_name='2023',index=True)
srcWB.close() #不保存关闭原excel
# ---------------------------生成heatmap-----------------------------
path=r'C:\Users\ xxxxxx '
fig,axes=plt.subplots(figsize=(15,9)) #seaborn参数-图形大小
# sns.set_context({"figure.figsize":(20,20)}) #图形大小
#设置heatmap,annot=显示值；fmt=数值格式;cmap=颜色样式
#生成一个heatmap变量
heatmap=sns.heatmap(data=gm_df1,
                              annot=True, #热力单元显示数值
                              vmin=0,vmax=1, #最小\大值
                              fmt=".0%", #数字格式
                              cmap='RdBu_r', #热力图颜色
                              linecolor='white', #线条颜色
                              linewidths=0.5,) #线条大小
heatmap.set_xlabel('2023',fontsize=12) #设置x轴名称
heatmap.set_ylabel('GM%2',fontsize=9,) #设置y轴名称
yLabels=[md_dic[y] for y in gm_df1.index] #从字典md_dict获取y轴名称
heatmap.set_yticklabels(yLabels) #添加y轴承
outFile=os.path.join(path,'wusi-gm-2023.png') #输出图片名
heatmap.get_figure().savefig(outFile,dpi=720,bbox_inches='tight')
print('GM file done',time.strftime("%Y-%m-%d %H:%M:%S")) #全部完成ts

初始时gm_df的数所如下:

输出图的效果如下:

整体来说seaborn的heatmap是比较方便使用的，需要注意的是heatmap不会自动排序，如果输出的图表需要是按值排序的；需要在处理数据时在dataframe中完成排序。