基于数据量的日历热力图的制作

akimido

本文分享一种可以绘制日历热力图的实现方法，使用Python进行绘制、其中得到了chatgpt3.5的指导与修改。如您对实现方案有改进意见，可后台联系我或者发送邮件到hiakimido@gmail.com

1. import numpy as np
   
2. import pandas as pd
   
3. import matplotlib.pyplot as plt
   
4. import calendar
   
5. import matplotlib.ticker as ticker
   
6. import matplotlib.colors as colors
   
7. # 读取气象数据的CSV文件（假设文件名为meteo_data.csv，路径为D:\datatest\）
   
8. df = pd.read_csv(r'C:\Users\akimido\Desktop\data2023.csv')
   
9. 
   
10. # 将日期列转换为Datetime格式
    
11. df['Date'] = pd.to_datetime(df['Date'], format='%Y/%m/%d %H:%M')
    
12. 
    
13. # 创建子图布局（3行4列）
    
14. fig, axs = plt.subplots(3, 4, figsize=(12, 9))
    
15. 
    
16. plt.rcParams["font.family"] = "Times New Roman"
    
17. 
    
18. # 遍历每个月份，生成日历热力图
    
19. for month in range(1, 13):
    
20.     # 提取指定月份的数据
    
21.     target_data = df[df['Date'].dt.month == month]
    
22. 
    
23.     # 计算每天的数据量
    
24.     daily_counts = target_data.groupby(target_data['Date'].dt.day).size().reset_index(name='Count')
    
25. 
    
26.     # 获取子图的索引
    
27.     row_index = (month - 1) // 4
    
28.     col_index = (month - 1) % 4
    
29. 
    
30.     # 创建子图
    
31.     ax = axs[row_index, col_index]
    
32. 
    
33.     # 创建日历热力图
    
34.     calendar_matrix = np.zeros((6, 7))
    
35.     month_days = calendar.monthrange(2022, month)[1]  # 获取指定月份的天数
    
36.     for _, row in daily_counts.iterrows():
    
37.         date = row['Date']
    
38.         count = row['Count']
    
39.         day_of_week = calendar.weekday(2022, month, date)
    
40.         row_index = (date - 1) // 7
    
41.         col_index = (day_of_week + 1) % 7  # 将周六设为0，周日设为6
    
42.         calendar_matrix[row_index, col_index] = count
    
43. 
    
44.     # 绘制日历热力图
    
45.     im = ax.imshow(calendar_matrix, cmap='Blues', vmin=0, vmax=calendar_matrix.max())
    
46. 
    
47.     # 添加日期文本（黑色字体）
    
48.     for i in range(6):
    
49.         for j in range(7):
    
50.             day_num = i * 7 + j + 1
    
51.             if day_num <= month_days:
    
52.                 text = str(day_num)
    
53.                 ax.text(j, i, text, ha='center', va='center', color='black')
    
54. 
    
55.     # 隐藏坐标轴
    
56.     ax.axis('off')
    
57. 
    
58.     # 设置子图标题
    
59.     ax.set_title(calendar.month_name[month])
    
60. 
    
61. # 调整子图之间的间距
    
62. fig.tight_layout()
    
63. 
    
64. # 添加整体标题
    
65. fig.suptitle('2023 Observation Data Calendar', fontsize=10)
    
66. 
    
67. # 创建自定义 Locator
    
68. locator = ticker.MaxNLocator(nbins=5)  # 设置标尺刻度数量
    
69. 
    
70. # 创建自定义 Normalize
    
71. norm = colors.Normalize(vmin=0, vmax=300)  # 设置数据范围
    
72. 
    
73. # 添加颜色标尺
    
74. cbar = fig.colorbar(im, ax=axs.ravel().tolist(), shrink=0.6, ticks=locator, format=ticker.FuncFormatter(lambda x, pos: int(x)))  # 使用 lambda 函数将标尺格式化为整数
    
75. cbar.ax.set_ylabel('Data Range', rotation=-90, va="bottom")
    
76. 
    
77. plt.savefig('2023_calendar_heatmap.png', dpi=500)
    
78. 
    
79. # 显示图表
    
80. plt.show()

复制代码