『壹』 python熱力圖繪制方法—新手教程
# Python熱力圖繪制方法
熱力圖的使用場景有
1.描述數據在空間的密集程度，常見有城市熱力圖，區域熱力圖
2.描述多個變數之間相關性高低程度
# step 1 准備數據集，讀取excel列表內容，usecols = index, 這里是表裡的第一列不讀取。
index =range(1, 11)
dataset = np.array(pd.read_csv(r'C:\Users\Administrator\Desktop\heatmap.csv', usecols=index))
# step 2 讀取excel行索引轉成列表，作為熱力圖的y軸標簽
a = (pd.read_csv(r'C:\Users\Administrator\Desktop\heatmap.csv', usecols=[0]))
y_label =list(a.stack())
# step 3 讀取excel列索引轉成列表，作為熱力圖的x軸標簽
b = (pd.read_csv(r'C:\Users\Administrator\Desktop\heatmap.csv'))
column_index=(b.columns.tolist())
x_label = column_index[1:]
# 這一步是為了計算熱力圖的數據的最大值，可以進行標准化處理，也可以直接顯示數據，dataframe轉成list，從list裡面尋找最大值
dataset_max = (pd.read_csv(r'C:\Users\Administrator\Desktop\heatmap.csv', usecols=index))
list1 = np.array(dataset_max.stack())
max_number =max(list1)
# step 4 開始繪制熱力圖
plt.figure(figsize=(14, 8))# 定義輸出圖像大小，annot參數決定是否在熱力圖上顯示數值，Vmax,Vmin表示最大最小值，cmap表示顏色
sns.heatmap(dataset, fmt='.0f', annot=True, vmin=0, vmax=max_number, cmap='Reds', yticklabels=y_label,
xticklabels=x_label)
# 繪制標簽
plt.xlabel('This is x label', labelpad=15)
plt.ylabel('This is y label', labelpad=20)
plt.show()
『貳』 python--seaborn熱力圖
熱力圖的一個常見應用場景是繪制相關系數熱力圖，數據准備一個相關系數矩陣。
調用 heatmap 方法繪制熱力圖。
設置 vmin 和 vmax 參數可以調整調色板的下限值和上限值。
設置 cmap 參數，可以修改調色板樣式。
設置參數 cbar=False 可以隱藏圖例。
設置參數 annot=True 可以顯示熱力圖上的具體數值，設置 fmt 參數，可以修改數值顯示的樣式。
『叄』 如何製作熱力圖
最快的話用echarts，現場模板，數據導進去；其他很多庫都有熱力圖插件，python應該也有。
不怕麻煩用javascript從頭寫的話，就是畫很多點，2個點靠的足夠近的話就擴大半徑，形成聯接；
要設置透明度，混合模式設置為'lighter'
『肆』 用Python生成了熱力圖，怎麼把每個格子邊框改成六邊形框
改不了吧。。。。或者說很難？你生成的熱力圖是用了什麼庫怎麼生成的？還是自己寫的？
要把矩形變成六邊形，我感覺只能自己寫了吧。
我有個想法，那個等邊六邊形可以拆成上下各三個等邊三角形吧。那 這些六邊形拼在一起，實際上就是這些等邊三角形拼在一起。那就先把各個矩形的值投射到三角形上，在把三角形組合成六邊形，求個均值，然後填色
『伍』 python怎樣採集微信熱力圖
1）打開微信進入應用後點擊導航欄【我】，接著點擊【錢包】，進入錢包後點擊【城市服務】。 2）接著點擊【城市熱力圖】，接著點擊上方【搜索欄】。 3）搜索找到你要去的【地方】，就可以查看到該地區的【熱力圖和提示
『陸』 有一組數據和數據對應的頁面位置,怎麼做熱區圖
用python就能做熱力圖，你網上一搜python熱力圖 一堆code就出來了，你改改參數就可以了。其實R也可以畫熱力圖，網上有很多參考的代碼。另外一種懶人方法就是去花火可視化網站，把數據傳上去自動生成熱力圖，不過這個需要收費的。
『柒』 python畫熱力圖
python中可使用seaborn.heatmap畫熱力圖， 官方文檔在這
在分類任務中，也可用於畫混淆矩陣：
一些參數的含義：
例子：
將最後一行改為，設置最大值和最小值：
設置中心值：
從文件中獲取數據，並畫圖給出有意義的橫縱坐標：
將passengers對應的人數標出：
設置方格之間的間隔：
設置使用不同的顏色：
以某個具體的數據為中心：
自動填充坐標值：
不畫右邊的熱度條：
『捌』 python可視化神器——pyecharts庫
無意中從今日頭條中看到的一篇文章，可以生成簡單的圖表。據說一些大數據開發們也是經常用類似的圖表庫，畢竟有現成的，改造下就行，誰會去自己造輪子呢。
pyecharts是什麼？
pyecharts 是一個用於生成 Echarts 圖表的類庫。Echarts 是網路開源的一個數據可視化 JS 庫。用 Echarts 生成的圖可視化效果非常棒， pyecharts 是為了與 Python 進行對接，方便在 Python 中直接使用數據生成圖 。使用pyecharts可以生成獨立的網頁，也可以在flask、django中集成使用。
安裝很簡單：pip install pyecharts
如需使用 Jupyter Notebook 來展示圖表，只需要調用自身實例即可，同時兼容 Python2 和 Python3 的 Jupyter Notebook 環境。所有圖表均可正常顯示，與瀏覽器一致的交互體驗，簡直不要太強大。
參考自pyecharts官方文檔: http://pyecharts.org
首先開始來繪制你的第一個圖表
使用 Jupyter Notebook 來展示圖表，只需要調用自身實例即可
add() 主要方法，用於添加圖表的數據和設置各種配置項
render() 默認將會在根目錄下生成一個 render.html 的文件，文件用瀏覽器打開。
使用主題
自 0.5.2+ 起，pyecharts 支持更換主體色系
使用 pyecharts-snapshot 插件
如果想直接將圖片保存為 png, pdf, gif 格式的文件，可以使用 pyecharts-snapshot。使用該插件請確保你的系統上已經安裝了 Nodejs 環境。
安裝 phantomjs $ npm install -g phantomjs-prebuilt
安裝 pyecharts-snapshot $ pip install pyecharts-snapshot
調用 render 方法 bar.render(path='snapshot.png') 文件結尾可以為 svg/jpeg/png/pdf/gif。請注意，svg 文件需要你在初始化 bar 的時候設置 renderer='svg'。
圖形繪制過程
基本上所有的圖表類型都是這樣繪制的：
chart_name = Type() 初始化具體類型圖表。
add() 添加數據及配置項。
render() 生成本地文件（html/svg/jpeg/png/pdf/gif）。
add() 數據一般為兩個列表（長度一致）。如果你的數據是字典或者是帶元組的字典。可利用 cast() 方法轉換。
多次顯示圖表
從 v0.4.0+ 開始，pyecharts 重構了渲染的內部邏輯，改善效率。推薦使用以下方式顯示多個圖表。如果使是 Numpy 或者 Pandas，可以參考這個示例
當然你也可以採用更加酷炫的方式，使用 Jupyter Notebook 來展示圖表，matplotlib 有的，pyecharts 也會有的
Note： 從 v0.1.9.2 版本開始，廢棄 render_notebook() 方法，現已採用更加 pythonic 的做法。直接調用本身實例就可以了。
比如這樣
還有這樣
如果使用的是自定義類，直接調用自定義類示例即可
圖表配置
圖形初始化
通用配置項
xyAxis：平面直角坐標系中的 x、y 軸。(Line、Bar、Scatter、EffectScatter、Kline)
dataZoom：dataZoom 組件 用於區域縮放，從而能自由關注細節的數據信息，或者概覽數據整體，或者去除離群點的影響。(Line、Bar、Scatter、EffectScatter、Kline、Boxplot)
legend：圖例組件。圖例組件展現了不同系列的標記(symbol)，顏色和名字。可以通過點擊圖例控制哪些系列不顯示。
label：圖形上的文本標簽，可用於說明圖形的一些數據信息，比如值，名稱等。
lineStyle：帶線圖形的線的風格選項(Line、Polar、Radar、Graph、Parallel)
grid3D：3D笛卡爾坐標系組配置項，適用於 3D 圖形。（Bar3D, Line3D, Scatter3D)
axis3D：3D 笛卡爾坐標系 X，Y，Z 軸配置項，適用於 3D 圖形。（Bar3D, Line3D, Scatter3D)
visualMap：是視覺映射組件，用於進行『視覺編碼』，也就是將數據映射到視覺元素（視覺通道）
markLine&markPoint：圖形標記組件，用於標記指定的特殊數據，有標記線和標記點兩種。（Bar、Line、Kline）
tooltip：提示框組件，用於移動或點擊滑鼠時彈出數據內容
toolbox：右側實用工具箱
圖表詳細
Bar（柱狀圖/條形圖）
Bar3D（3D 柱狀圖）
Boxplot（箱形圖）
EffectScatter（帶有漣漪特效動畫的散點圖）
Funnel（漏斗圖）
Gauge（儀表盤）
Geo（地理坐標系）
GeoLines（地理坐標系線圖）
Graph（關系圖）
HeatMap（熱力圖）
Kline/Candlestick（K線圖）
Line（折線/面積圖）
Line3D（3D 折線圖）
Liquid（水球圖）
Map（地圖）
Parallel（平行坐標系）
Pie（餅圖）
Polar（極坐標系）
Radar（雷達圖）
Sankey（桑基圖）
Scatter（散點圖）
Scatter3D（3D 散點圖）
ThemeRiver（主題河流圖）
TreeMap（矩形樹圖）
WordCloud（詞雲圖）
用戶自定義
Grid 類：並行顯示多張圖
Overlap 類：結合不同類型圖表疊加畫在同張圖上
Page 類：同一網頁按順序展示多圖
Timeline 類：提供時間線輪播多張圖
統一風格
註：pyecharts v0.3.2以後，pyecharts 將不再自帶地圖 js 文件。如用戶需要用到地圖圖表，可自行安裝對應的地圖文件包。
地圖文件被分成了三個 Python 包，分別為：
全球國家地圖:
echarts-countries-pypkg
中國省級地圖:
echarts-china-provinces-pypkg
中國市級地圖:
echarts-china-cities-pypkg
直接使用python的pip安裝
但是這里大家一定要注意，安裝完地圖包以後一定要重啟jupyter notebook，不然是無法顯示地圖的。
顯示如下：
總得來說，這是一個非常強大的可視化庫，既可以集成在flask、Django開發中，也可以在做數據分析的時候單獨使用，實在是居家旅行的必備神器啊