如何从 Pandas Dataframe 创建活动图（如 Github 贡献图）答案

【问题标题】：How to create an activity plot from Pandas Dataframe (like the Github contribution plot)如何从 Pandas Dataframe 创建活动图（如 Github 贡献图）
【发布时间】：2014-08-01 12:48:24
【问题描述】：

你们都知道这张图：

您可以在一周中的某一天和一年中的某个月份进行某种活动。假设我有这个 Pandas 数据框：

In [87]: metadf2[['Week','Activity']]
Out[87]:
     Week Activity
weekday     
0    15  1.6
0    15  1.1
0    17  0.6
0    17  0.8
0    17  1.3
0    17  2.6
0    17  0.9
0    19  1.0
0    19  8.0
0    19  1.6
0    23  5.0
0    23  1.2
0    23  0.6
0    23  5.6
1    15  1.6
1    15  0.2
1    15  0.1
1    15  0.1
1    15  0.4
1    17  12.2
1    19  10.2
1    19  1.6
2    13  1.7
2    14  0.0
2    14  0.0
2    15  6.9
2    15  2.5
2    15  5.5
2    17  6.2
2    17  1.3
... ... ...
3    14  1.1
3    14  4.9
3    14  4.0
3    14  1.5
3    14  3.9
4    14  0.2
5    15  5.4
5    15  5.1
5    18  9.5
5    18  8.8
5    20  108.8
5    20  11.1
5    20  11.2
6    13  74.9
6    13  2.0
6    13  3.2
6    13  2.0
6    13  16.7
6    13  5.5
6    16  0.4
6    15  7.6
6    15  11.7
6    15  25.8
6    16  0.4
6    16  0.4
6    16  1.3
6    20  2.0
6    20  20.5
6    20  77.0
6    20  32.8

如何使用 Matplotlib 创建这样一个类似 Github-Activity 的图表？我认为contour plot with nearest 的方向是正确的，不是吗？

【问题讨论】：

查看 Calmap 包：pythonhosted.org/calmap

标签： python matplotlib plot pandas contour

【解决方案1】：

下面是一个示例供您开始：

import pylab as pl
import numpy as np
import pandas as pd

# prepare some random data
N = 100
np.random.seed(0)
weekday = np.random.randint(0, 7, N)
week = np.random.randint(0, 40, N)
activity = np.random.randint(0, 100, N)

df = pd.DataFrame({"weekday":weekday, "week":week, "activity":activity})
df.drop_duplicates(subset=["weekday", "week"], inplace=True)

# reshape the data and plot it
df2 = df.pivot(columns="week", index="weekday", values="activity")
df2.fillna(0, inplace=True)

Weekday, Week = np.mgrid[:df2.shape[0]+1, :df2.shape[1]+1]
fig, ax = pl.subplots(figsize=(12, 4))
ax.set_aspect("equal")
pl.pcolormesh(Week, Weekday, df2.values, cmap="Greens", edgecolor="w", vmin=-10, vmax=100)
pl.xlim(0, df2.shape[1])

输出：

【讨论】：