pyecharts--heatmap

Pyecharts 各种图的数据样式

热力图（heatmap）

1.1 数据格式

热力图的数据主要由，横轴名称xaxis，竖轴名称为yaxis，主体数据三个部分

• 横轴和竖轴均为列表

• 主体数据的格式为列表嵌套列表，其中第二层列表为[x,y,value]

• 主体数据的条数为【横轴个数*竖轴个数】

1.2 数据的样式

例如某个商品的销售量，统计一星期，每小时的销售量

x轴为星期 ：x = [x for x in range(7)] # 0代表星期日
y轴为小时 ：y = [y for y in range(23)] # 0代表24点
data主体数据 ：data = [
['星期一','1点',20],
['星期一','2点',30],
['星期一','3点',40]，
……………………
]

1.3 数据转换代码

商品名称	日期	小时	值
苹果手机	2021-9-1	0:00	58
苹果手机	2021-9-1	1:00	89
苹果手机	2021-9-1	2:00	24
苹果手机	2021-9-1	3:00	57
苹果手机	2021-9-1	4:00	38
苹果手机	2021-9-1	5:00	21
苹果手机	2021-9-1	6:00	48
苹果手机	2021-9-1	7:00	81
苹果手机	2021-9-1	8:00	37
苹果手机	2021-9-1	9:00	65

传入的数据为df类型，字段只能为四个，其中从左向右依次依次为类别，x轴，y轴，值，其中类别指的是商品名称的集合，每一个类别的值形成一个独立的热力图，例如商品名称里有苹果手机，华为手机，那函数可以将苹果手机和华为手机的主体数据都形成，封装在字典里

def heatmap_data(df):####(传入的df必须只有4个字段，字段的序列，分别是类别，x,y,值)
    df.columns = ['type','x','y','value']
    columns_list = ['x','y']+list(df['type'].unique())
    data = pd.pivot_table(df,values=['value'],index=['x','y'], columns=['type'], aggfunc=np.sum, fill_value=0)
    data.reset_index(inplace=True)
    data.columns = columns_list
    x_axis = data['x'].unique()
    y_axis = data['y'].unique()
    x_len = len(x_axis)  ###7
    y_len = len(y_axis)  ###48
    dic = {}
    for name in columns_list[2:]:
        data_value = [[y, x] for x in range(x_len) for y in range(y_len)]
        for w in range(len(data_value)):
            data_value[w].append(int(data[name][w]))
        dic[name] = data_value
    return dic,y_axis,x_axis
![image](https://img2020.cnblogs.com/blog/2127859/202109/2127859-20210901150617300-599735457.png)