【Python】使用日历热图进行时序数据可视化

相信很多人都会在这里 Github 看到这样的热图，记录了这样的热图 Github 平台使用的日常贡献。以天为单位在每个日历年的热图中采样的时间序列数据。GitHub 贡献图表示过去几年用户所做的贡献。色块表示贡献的数量，如色标下方所示。从这张热图中，我们可以检测到每日贡献模式。

时间序列数据

时间序列数据是一系列序列数据是一系列数据，如每小时、每天、每月或每年的数据序列。时间序列的应用包括传感器读数、降水、降雨、温度或工业作物生长等天气数据，以及患者在一段时间内的医疗记录。时间序列分析发现了趋势或季节性等隐藏模式。这里有一个非常详细的介绍，建议戳?时间序列定义、平均值、方差、自协方差及相关性

日历热图

日历热图使用彩色单元格，通常使用单一的基本颜色，并扩展其亮度、颜色和饱和度（如从浅到深的蓝色）。它显示了日历视图中每天事件的相对数量。每天每周排列，每月和每年分组。这使你能够快速识别每天和每周的模式。

Calplot

可视化是深入了解数据的好方法。检查时间序列数据时，必须从数据中了解季节性或周期性行为(如果涉及)。 calplot python 库创建热图。Calplot 从 Pandas 创建时间序列数据的热图。

pipinstallcalplot

Collecting calplot   Downloading calplot-0.1.7.4-py3-none-any.whl (8.2 kB) Installing collected packages: calplot Successfully installed calplot-0.1.7.4

基本绘图

importcalplot importnumpyasnp;np.random.seed(sum(map(ord,'calplot'))) importpandasaspd all_days=pd.date_range(1/1/2019，periods=730,freq='D') days=np.random.choice(all_days,500) events=pd.Series(np.random.randn(len(days)),index=days) calplot.calplot(events)

隐藏边界

边界相关参数：edgecolor ，指分隔月份线条的颜色。None即隐藏边界。

all_days=pd.date_range('1/1/2019',periods=360,freq='D') days=np.random.choice(all_days,500) events=pd.Series(np.random.randn(len(days)),index=days) calplot.calplot(events,edgecolor=None,cmap='YlGn')

calplot_edgecolor_None

改变边界年份的风格

参数yearlabel_kws传递给 matplotlib set_ylabel调用的关键字参数用于绘制每个子图的年份。该参数接受字典，可设置颜色、大小等样式。

calplot.calplot(events, yearlabel_kws={'color':'black'}, cmap='YlGn')

calplot_yearcolor_black

添加文本标签

与普通热图类似，具体值可以通过参数显示在每个小格子上textformat和textfiller控制分别表示网格单元文本的字符串格式，以及网格单元缺失数据时显示的文本样式。

calplot.calplot(events,textformat='{:.0f}', textfiller='-',cmap='YlGn')

calplot_textformat

隐藏颜色条

热图右侧有一条颜色线，以显示每种颜色的颜色范围。如果不需要显示，可以显示参数 colorbar 设置为 False。

calplot.calplot(events,colorbar=False,cmap='YlGn')

calplot_colorbar_False

设置title

控制热图标题的参数suptitle，接受字符串。

calplot.calplot(events, suptitle='Randomdatafromstandardnormaldistribution', cmap='YlGn')

calplot_suptitle

隐藏热图的边线

控制每天分开的线的宽度参数linewidth，若要隐藏，可直接设置为0。

calplot.calplot(events,linewidth=0,cmap='YlGn')

calplo t_linewidth_zero

详见:https://calplot.readthedocs.io/en/latest/

过去的精彩回顾     适合初学者进入人工智能的路线和数据下载(图文 视频)机器学习入门系列下载《机器学习》(黄海光主讲)机器学习及深度学习笔记等数据，打印《统计学习方法》代码复制专辑 AI基础下载机器学习交流qq加入微信群请扫码955171419：