pyecharts绘制热

### 使用 Pyecharts 绘制热力图 以下是使用 `Pyecharts` 库绘制热力图的一个具体实现方法和代码示例： #### 导入必要的模块 为了构建热力图，首先需要导入 `pyecharts.charts.HeatMap` 类以及配置项相关的类。 ```python from pyecharts import options as opts from pyecharts.charts import HeatMap import random ``` #### 准备数据 热力图的数据通常是一个二维数组的形式，其中每一行表示一个坐标点及其对应的值。下面展示如何生成模拟数据。 ```python # 构造虚拟数据 (x, y, value) data = [ [i, j, random.randint(0, 50)] for i in range(24) for j in range(7) ] # 设置横纵轴标签 hours = ["{}".format(i) for i in range(24)] days = ["Mon", "Tue", "Wed", "Thu", "Fri", "Sat", "Sun"] ``` 上述代码片段中，`random.randint(0, 50)` 是用来随机生成数值作为热度值[^1]。 #### 创建并渲染热力图 利用准备好的数据和标签信息，可以创建一个简单的热力图实例，并设置一些基本选项。 ```python heatmap = ( HeatMap() .add_xaxis(hours) .add_yaxis( "Heat Map Example", days, data, label_opts=opts.LabelOpts(is_show=True, position="inside"), ) .set_global_opts( title_opts=opts.TitleOpts(title="Hot Sale Areas of Winter Clothes"), visualmap_opts=opts.VisualMapOpts(min_=0, max_=50), ) ) heatmap.render("heat_map.html") # 将图表保存为 HTML 文件 ``` 此部分展示了如何通过 `.add_xaxis()` 和 `.add_yaxis()` 方法定义 X 轴与 Y 轴上的类别名称；并通过 `.set_global_opts()` 配置全局属性，比如标题和视觉映射范围[^3]。 --- #### 进阶功能：地图热力图 如果想进一步扩展至地理空间领域，则可借助 Geo 图表组件完成更加复杂的场景分析。例如基于行政区划的地图热力分布效果。 假设已有一份 Excel 数据文件存储着各地区的销售情况记录，那么可以通过 pandas 加载该表格内容后再传递给 PyEcharts 的绘图函数处理[^4]。 ```python import pandas as pd df = pd.read_excel(r"F:\python数据\寒潮来时冬季衣服热卖地区统计1.xlsx") geo_data = [[row['province'], row['sales']] for _, row in df.iterrows()] c = ( Geo(init_opts=opts.InitOpts(width='800px', height='600px')) .add_schema(maptype="china") .add("", geo_data, type_=ChartType.HEATMAP) .set_series_opts(label_opts=opts.LabelOpts(is_show=False)) .set_global_opts( visualmap_opts=opts.VisualMapOpts(), title_opts=opts.TitleOpts(title="Winter Clothing Sales Distribution Across China") ) ).render('winter_clothing_sales_heatmap.html') ``` 这里引入了 Pandas 来读取外部 EXCEL 表格资料，并将其转换成适合传参的列表形式。最后调用了 Geo 对象的方法实现了全国范围内省份级别的销量热点区域呈现[^2]。 --- ### 总结 综上所述，无论是普通的二维平面还是结合地理位置的信息表达需求下，都可以依靠 Pyecharts 提供的强大 API 接口快速搭建出满足业务诉求的各种样式热力图作品出来。