在 pandas 数据框中应用 seaborn 热图列答案

【问题标题】：Apply seaborn heatmap columnwise on pandas dataframe在 pandas 数据框中应用 seaborn 热图列
【发布时间】：2017-05-17 06:31:12
【问题描述】：

我试图在一个旋转的 pandas 数据框上使用 seaborn 的热图形式，就像在超链接中那样工作

df = pd.DataFrame(np.random.randint(1,100,size = (3,2)))
df.columns = ['A','B']
df
sns.heatmap(df, annot=True, fmt="d", linewidths=.5,cmap="RdYlGn")

Output of code block - Entire Dataframe formatted as single heatmap 输出选择 45 作为最小值，86 作为最大值，并对整个数据帧进行颜色编码

但我无法做的是明智地应用热图列即像条件格式一样按列而不是整个数据框应用列。就像这个超链接中的例子一样 -

Output required/expected

对于 col1，选择最小的 45 和最大的 88 并格式化，对于 col2，分别选择 70 和 86 条件格式的列，但仍显示为表格。 .在示例中，我看到 df 的其余部分被设为零，并且只有 1 列被格式化，或者整个数据框得到了格式化

谁能帮忙解决这个问题

【问题讨论】：

stackoverflow.com/help/mcve
从我有限的知识...看来，您尝试绘制的内容似乎无法单独使用本机 seaborn 热图功能实现。但是我知道你可以使用子图来做到这一点。我不熟悉seaborn ...使用matplotlib怎么样？有一个 example here 在概念上似乎与您想要的相似

标签： python dataframe heatmap seaborn

【解决方案1】：

您还可以将每列缩放到最小值为零和最大值为 1，将其传递给热图，并使用原始值进行注释。

scaled_df = (df - df.min(axis=0))/(df.max(axis=0) - df.min(axis=0))
sns.heatmap(scaled_df, annot=df, fmt="d", linewidths=.5, cmap="RdYlGn")

请注意，您可能希望使用cbar=False 删除颜色条，因为该解决方案必然要求每列具有不同的比例。

或者，可以使用sklearn.preprocessing.minmax_scale 代替手动缩放。

from sklearn.preprocessing import minmax_scale

scaled_df = minmax_scale(df)
sns.heatmap(scaled_df, annot=df, fmt="d", linewidths=.5, cmap="RdYlGn")

【讨论】：

【解决方案2】：

感谢@Implus3H 这个例子有帮助这是代码的修改版本作为函数，它可以按列进行条件格式，以防万一它对其他人有用

df 是一个输入数据帧，在下面的示例函数中，其列将默认获得红色的颜色编码阴影

def columnwise_conditionalformat(df, color = 'Reds'):
    nrows = len(df)
    ncols = len(df.columns)
    fig, ax = plt.subplots()
    for i in range(ncols):
        truthar = [True]*ncols
        truthar[i] = False
        mask = truthar = np.array(nrows * [truthar], dtype=bool)
        red = np.ma.masked_where(mask, df)
        ax.pcolormesh(red, cmap=color)

    for y in range(df.shape[0]):
        for x in range(df.shape[1]):
            plt.text(x+.5,y+.5,'%.1f'% df.ix[y, x],
                    horizontalalignment='center',
                     verticalalignment='center'
                    )
    plt.show()

【讨论】：