Python制作热力图的详细代码

pip install matplotlib seaborn pandas numpy pyecharts

import pandas as pd

# 读取CSV文件
df_csv = pd.read_csv('your_data.csv')

# 读取Excel文件  
df_excel = pd.read_excel('your_data.xlsx', sheet_name='Sheet1')

import matplotlib.pyplot as plt
import numpy as np

# 生成模拟数据
data = np.random.rand(10, 10)  # 创建一个10行10列的随机数组

# 绘制热力图
plt.figure(figsize=(8, 6))  # 设置图形大小
plt.imshow(data, cmap='viridis', interpolation='nearest')
plt.colorbar()  # 添加颜色条
plt.title('Matplotlib热力图示例')
plt.show()

import seaborn as sns

# 使用Seaborn生成随机数据
data = sns.randn(100, 10)

# 绘制热力图
plt.figure(figsize=(10, 8))
sns.heatmap(data, annot=True, fmt=".1f", cmap='coolwarm')
plt.title('Seaborn热力图示例')
plt.show()

from pyecharts import options as opts
from pyecharts.charts import HeatMap
import random

# 生成模拟数据
data = []
for i in range(24):
    for j in range(7):
        data.append([j, i, random.randint(0, 100)])

# 创建热力图
heatmap = (
    HeatMap()
    .add_xaxis(['周一', '周二', '周三', '周四', '周五', '周六', '周日'])
    .add_yaxis(
        "热度",
        list(range(24)),
        data,
        label_opts=opts.LabelOpts(is_show=False),
    )
    .set_global_opts(
        title_opts=opts.TitleOpts(title="一周热度分布"),
        visualmap_opts=opts.VisualMapOpts(min_=0, max_=100),
    )
)
heatmap.render("heatmap_example.html")  # 保存为HTML文件

# 专业热力图设置示例
plt.figure(figsize=(12, 10))

# 绘制热力图，添加更多参数
sns.heatmap(data,
            annot=True,           # 显示数值
            fmt=".2f",           # 数值格式
            cmap='YlGnBu',       # 颜色方案
            linewidths=0.5,      # 单元格边线宽度
            linecolor='white',   # 边线颜色
            cbar_kws={'label': '数值大小'})  # 颜色条标签

# 优化标签显示
plt.xticks(rotation=45, ha='right')  # x轴标签旋转45度
plt.yticks(rotation=0)
plt.title('优化后的热力图示例', fontsize=16, pad=20)
plt.xlabel('X轴标签')
plt.ylabel('Y轴标签')
plt.tight_layout()  # 自动调整布局
plt.show()

import pandas as pd

# 读取数据（假设是CSV格式）
df = pd.read_csv('user_clicks.csv')

# 查看数据前几行
print(df.head())

# 查看数据基本信息
print(df.info())

# 提取需要的数据列（假设数据包含time, page_url, clicks等列）
clicks_by_time_page = df.groupby(['hour', 'page_url'])['clicks'].sum().reset_index()

# 数据透视：将长格式转换为宽格式
heatmap_data = clicks_by_time_page.pivot(index='page_url', columns='hour', values='clicks')

# 标准化处理（可选，使颜色对比更明显）
heatmap_data_normalized = (heatmap_data - heatmap_data.min()) / (heatmap_data.max() - heatmap_data.min())

import seaborn as sns
import matplotlib.pyplot as plt

# 设置中文字体（如果需要显示中文）
plt.rcParams['font.sans-serif'] = ['SimHei', 'Arial']
plt.rcParams['axes.unicode_minus'] = False

# 创建热力图
plt.figure(figsize=(14, 10))
sns.heatmap(heatmap_data_normalized,
            cmap='YlOrRd',
            annot=False,  # 数据多时不显示具体数值
            linewidths=0.5,
            cbar_kws={'label': '标准化点击量'})

# 添加标题和标签
plt.title('电商平台用户点击热力图（按页面和时间）', fontsize=18, pad=20)
plt.xlabel('小时', fontsize=14)
plt.ylabel('页面URL', fontsize=14)

# 调整x轴刻度
hours = list(range(24))
plt.xticks(ticks=[i+0.5 for i in hours], labels=hours, rotation=0)

plt.tight_layout()
plt.savefig('user_clicks_heatmap.png', dpi=300, bbox_inches='tight')
plt.show()