Seaborn 热图 - 要显示的行和列统计信息
Posted
技术标签:
【中文标题】Seaborn 热图 - 要显示的行和列统计信息【英文标题】：Seaborn heatmap - row and column statistics to display 【发布时间】：2021-11-05 05:13:13 【问题描述】：是否可以在 Seaborn 热图的边缘添加行和列统计信息？
因此，对于右侧的每一行，我想显示行平均值（每个月），而在年份的底部边缘，我想显示每一列的列平均值。
【问题讨论】：
如果你使用pandas.pivot.table获取数据，它有一个margins参数。但是heatmap 不会做任何特殊的事情来将边距的颜色图与关节值的颜色图分离，所以我不确定它会有多大帮助。
【参考方案1】：
如果您正在使用这样的数据框：
df = pd.DataFrame('date': pd.date_range(start = '1949-01-01', end = '1960-12-01', freq = 'MS'))
df['value'] = np.random.randint(100, 600, len(df))
date value
0 1949-01-01 202
1 1949-02-01 535
2 1949-03-01 448
3 1949-04-01 370
4 1949-05-01 206
.. ... ...
139 1960-08-01 238
140 1960-09-01 598
141 1960-10-01 180
142 1960-11-01 491
143 1960-12-01 262
你必须用pandas.DataFrame.pivot重新塑造：
df['month'] = df['date'].dt.month_name().str.slice(stop = 3).sort_values()
df['year'] = df['date'].dt.year
df = df.pivot(columns = 'year', index = 'month', values = 'value')
year 1949 1950 1951 1952 1953 1954 1955 1956 1957 1958 1959 1960
month
Apr 370 472 485 574 463 487 543 101 301 395 479 591
Aug 120 230 260 287 230 341 530 359 450 437 114 238
Dec 314 443 352 545 120 485 519 501 561 509 426 262
Feb 535 558 513 444 545 266 191 459 143 351 351 443
Jan 202 430 591 335 274 428 439 149 317 314 316 108
Jul 288 251 376 575 419 113 363 205 369 336 256 162
Jun 171 459 543 269 343 415 527 153 583 307 140 571
Mar 448 187 393 148 150 373 466 487 261 289 287 228
May 206 199 291 158 154 188 554 489 545 312 592 235
Nov 566 357 121 289 234 152 180 290 555 379 444 491
Oct 221 408 413 370 406 445 305 576 370 152 164 180
Sep 202 249 559 563 584 364 134 409 403 466 400 598
然后你可以添加一个带有月份平均值的列和一个带有年份平均值的行：
df['month_mean'] = df.mean(axis = 1)
df.loc['year_mean'] = df.mean(axis = 0)
year 1949 1950 1951 1952 1953 1954 1955 1956 1957 1958 1959 1960 month_mean
month
Apr 370 472 485 574 463 487 543 101 301 395 479 591 438
Aug 120 230 260 287 230 341 530 359 450 437 114 238 299
Dec 314 443 352 545 120 485 519 501 561 509 426 262 419
Feb 535 558 513 444 545 266 191 459 143 351 351 443 399
Jan 202 430 591 335 274 428 439 149 317 314 316 108 325
Jul 288 251 376 575 419 113 363 205 369 336 256 162 309
Jun 171 459 543 269 343 415 527 153 583 307 140 571 373
Mar 448 187 393 148 150 373 466 487 261 289 287 228 309
May 206 199 291 158 154 188 554 489 545 312 592 235 326
Nov 566 357 121 289 234 152 180 290 555 379 444 491 338
Oct 221 408 413 370 406 445 305 576 370 152 164 180 334
Sep 202 249 559 563 584 364 134 409 403 466 400 598 410
year_mean 303 353 408 379 326 338 395 348 404 353 330 342 357
或者，您可以使用pandas.pivot_table 一起旋转和计算均值：
df = pd.pivot_table(data = df, columns = 'year', index = 'month', values = 'value', margins = True)
year 1949 1950 1951 1952 1953 1954 1955 1956 1957 1958 1959 1960 All
month
Apr 370 472 485 574 463 487 543 101 301 395 479 591 438
Aug 120 230 260 287 230 341 530 359 450 437 114 238 299
Dec 314 443 352 545 120 485 519 501 561 509 426 262 419
Feb 535 558 513 444 545 266 191 459 143 351 351 443 399
Jan 202 430 591 335 274 428 439 149 317 314 316 108 325
Jul 288 251 376 575 419 113 363 205 369 336 256 162 309
Jun 171 459 543 269 343 415 527 153 583 307 140 571 373
Mar 448 187 393 148 150 373 466 487 261 289 287 228 309
May 206 199 291 158 154 188 554 489 545 312 592 235 326
Nov 566 357 121 289 234 152 180 290 555 379 444 491 338
Oct 221 408 413 370 406 445 305 576 370 152 164 180 334
Sep 202 249 559 563 584 364 134 409 403 466 400 598 410
All 303 353 408 379 326 338 395 348 404 353 330 342 357
唯一的区别是最后一列和最后一行的名称。 现在您可以绘制热图了：
fig, ax = plt.subplots()
sns.heatmap(ax = ax, data = df, annot = True, fmt = '.0f')
plt.show()
完整代码
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
import numpy as np
df = pd.DataFrame('date': pd.date_range(start = '1949-01-01', end = '1960-12-01', freq = 'MS'))
df['value'] = np.random.randint(100, 600, len(df))
df['month'] = df['date'].dt.month_name().str.slice(stop = 3).sort_values()
df['year'] = df['date'].dt.year
df = df.pivot(columns = 'year', index = 'month', values = 'value')
df['month_mean'] = df.mean(axis = 1)
df.loc['year_mean'] = df.mean(axis = 0)
fig, ax = plt.subplots()
sns.heatmap(ax = ax, data = df, annot = True, fmt = '.0f')
plt.show()
您可以选择更改最后一列和最后一行的颜色图，以提高可见性：
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
import numpy as np
df = pd.DataFrame('date': pd.date_range(start = '1949-01-01', end = '1960-12-01', freq = 'MS'))
df['value'] = np.random.randint(100, 600, len(df))
df['month'] = df['date'].dt.month_name().str.slice(stop = 3).sort_values()
df['year'] = df['date'].dt.year
df = df.pivot(columns = 'year', index = 'month', values = 'value')
df['month_mean'] = df.mean(axis = 1)
df.loc['year_mean'] = df.mean(axis = 0)
df_values = df.copy()
df_values['month_mean'] = float('nan')
df_values.loc['year_mean'] = float('nan')
df_means = df.copy()
df_means.loc[:-1, :-1] = float('nan')
fig, ax = plt.subplots()
sns.heatmap(ax = ax, data = df_values, annot = True, fmt = '.0f', cmap = 'Reds', vmin = df.to_numpy().min(), vmax = df.to_numpy().max())
sns.heatmap(ax = ax, data = df_means, annot = True, fmt = '.0f', cmap = 'Blues', vmin = df.to_numpy().min(), vmax = df.to_numpy().max())
plt.show()
【讨论】：
以上是关于Seaborn 热图 - 要显示的行和列统计信息的主要内容，如果未能解决你的问题，请参考以下文章
如何在 MVC 应用程序中转置 Kendo UI 网格中的行和列？