使用python seaborn为具有不同权重的多维数据绘制离散彩色地图

我有一个如下所示的数据集：

df = pd.DataFrame({"Sunday":    {'a1':0.1,'a2':0.15,'a4':0.05,'a6':0.1,'b2':0.05,'b3':0.05,'b4':0.2,'c1':0.15,'c4':0.15},
                   "Monday":    {'a2':0.05,'a3':0.15,'a5':0.25,'b1':0.05,'b3':0.1,'b4':0.1,'c3':0.1,'c5':0.05,'c7':0.15},
                   "Tuesday":   {'a1':0.2,'a3':0.15,'a6':0.05,'b2':0.35,'b3':0.05,'c1':0.1,'c4':0.1},
                   "Wednesday": {'a2':0.05,'a3':0.05,'a4':0.35,'a6':0.2,'b1':0.1,'b3':0.05,'b4':0.05,'c1':0.05,'c6':0.1},
                   "Thursday":  {'a1':0.25,'a3':0.05,'a4':0.3,'a5':0.05,'a6':0.1,'b1':0.05,'b4':0.05,'c2':0.1,'c4':0.05},
                   "Friday":    {'a1':0.1,'a2':0.15,'a5':0.1,'a7':0.05,'b2':0.05,'b1':0.15,'b4':0.2,'c3':0.05,'c4':0.05,'c5':0.05,'c7':0.05},
                   "Saturday":  {'a1':0.15,'a3':0.05,'b2':0.05,'b3':0.05,'b4':0.4,'c1':0.1,'c5':0.1,'c7':0.1}
                   }}

每天字典中的键都是分类的，它们有三种类型：a、b、c：每种类型都有一些子类型。a型有6个亚型，b型有4个亚型，c型有7个亚型。字典中的值表示权重（重要性）。并非每个观察（每天）都需要所有可能的子类型。应忽略每个观测值（天）中的Nan值（创建绘图时）

我想用一个离散的颜色映射来可视化这个数据，就像在这篇文章中所做的那样：。他们的解决方案非常优雅，但我的问题稍微复杂一些，因为我还想通过表示它的矩形的高度来反映每个子类型的权重（显示在y轴上）。每天的重量总和始终为一。在x轴上，我希望显示工作日。所有分配了颜色的子类型都应显示在右侧的颜色栏上，并带有相应的代码名：“a1”、“a6”、“b1”、“b4”、“c1”、“c7”

最后，我想使用不同的颜色映射为不同的子类型着色：例如，蓝色表示a型，绿色表示b型，红色表示c型

我希望使用pythonseaborn包来实现这一点，但是如果您可以建议使用不同的包来实现更好的解决方案，我不介意使用它

---

如果有任何建议，我将不胜感激。谢谢。

要使用seaborn创建堆叠条形图，您似乎需要将汇总条形图绘制在彼此的顶部（参见示例）。这对于18种类型来说相当复杂

有了熊猫图，事情就容易多了，尽管需要一些操作：

导入matplotlib.pyplot作为plt
作为pd进口熊猫
df=pd.DataFrame（{“Sunday”）：{'a1'：0.1，'a2'：0.15，'a4'：0.05，'a6'：0.1，'b2'：0.05，'b4'：0.2，'c1'：0.15，'c4'：0.15}，
“星期一”：{'a2'：0.05，'a3'：0.15，'a5'：0.25，'b1'：0.05，'b3'：0.1，'b4'：0.1，'c3'：0.1，'c5'：0.05，'c7'：0.15}，
“星期二”：{'a1'：0.2，'a3'：0.15，'a6'：0.05，'b2'：0.35，'b3'：0.05，'c1'：0.1，'c4'：0.1}，
“星期三”：{'a2'：0.05，'a3'：0.05，'a4'：0.35，'a6'：0.2，'b1'：0.1，'b3'：0.05，'b4'：0.05，'c1'：0.05，'c6'：0.1}，
“星期四”：{'a1'：0.25，'a3'：0.05，'a4'：0.3，'a5'：0.05，'a6'：0.1，'b1'：0.05，'b4'：0.05，'c2'：0.1，'c4'：0.05}，
“星期五”：{'a1'：0.1，'a2'：0.15，'a5'：0.1，'a7'：0.05，'b2'：0.05，'b1'：0.15，'b4'：0.2，'c3'：0.05，'c4'：0.05，'c7'：0.05}，
“星期六”：{'a1'：0.15，'a3'：0.05，'b2'：0.05，'b3'：0.05，'b4'：0.4，'c1'：0.1，'c5'：0.1，'c7'：0.1}
})
df.fillna（0，inplace=True）#将NA替换为零
df2=df.T#切换行和列
df2=df2.reindex（已排序（df2.columns），axis=1）#对列重新排序
类型=df2.0列
num_type={letter:len（[t表示类型中的t，如果t[0]==letter]），表示'abc'中的字母}
df2.plot.bar（叠加=True，rot=0，figsize=（10,5），
颜色=[plt.cm.Blues_r（i/7）表示范围内的i（num_type['a']）]
+[plt.cm.Greens_r（i/7）表示范围内的i（num_type['b']）]
+[plt.cm.Reds_r（i/7）表示范围内的i（num_type['c']））
plt.图例（bbox_to_anchor=（1.02,1），loc='左上角'）#主地块外的图例
plt.紧密布局（）#适合图例和标签
plt.show（）

PS：获取seaborn图所需的一些操作包括将索引转换为命名列（例如“type”）和将数据转换为长格式

df.fillna(0, inplace=True)
df.index = df.index.set_names(['type'])
df.reset_index(inplace=True)
types = sorted(np.unique(df['type']))
df_long = df.melt(var_name='day', value_name='weight', id_vars='type')
sns.barplot(x='day', y='weight', hue='type', hue_order=types, data=df_long)

---

非常感谢，这正是我需要的。太完美了！还有一个问题。。。有没有一种方法可以使项目的顺序在侧面的图形和色条中完全相同？最简单的方法是用

plt.ylim（1，0）

反转yaxis。对，这是有意义的。非常感谢。我真的很感谢你的帮助。