Python 带圆圈的热图显示人口规模

您好，我想用Python生成一个热图，类似于图中所示，圆圈的大小表示该单元格中样本的大小。我在seaborn的画廊里找了找，什么也找不到，我想我不能用matplotlib来做这件事

---

一个选项是使用matplotlib的散点图和图例和网格。可以通过指定比例来指定这些圆的大小。您还可以更改每个圆的颜色。您应该以某种方式指定

X，Y

值，以便圆直线排列。这是我从中得到的一个例子：

volume=np.random.rayleigh（27，大小=40）
数量=np.随机.泊松（10，大小=40）
排名=np.随机.正常（大小=40）
价格=np.随机.均匀（1,10，尺寸=40）
图，ax=plt.子批次（）
#因为在提供“s”的尺寸时，价格太低了，
#我们将其标准化为一些有用的点大小，s=0.3*（价格*3）**2
分散度=最大分散度（数量、数量、c=排名、s=0.3*（价格*3）**2，
vmin=-3，vmax=3，cmap=“光谱”）
#为排名（颜色）生成图例。尽管有40种不同的
#排名，我们只想在图例中显示其中的5个。
legend1=ax.legend（*散布.legend_元素（num=5），
loc=“左上”，title=“排名”）
ax.添加艺术家（legend1）
#为价格（尺寸）生成图例。因为我们想展示价格
#在美元中，我们使用*func*参数来提供函数的倒数
#用于从上面计算尺寸。*fmt*确保显示价格
#用美元。请注意，我们在这里的目标是5个元素，但在
#由于为我们选择的自动四舍五入价格，创建了图例。
kw=dict（prop=“size”，num=5，color=scatter.cmap（0.7），fmt=“${x:.2f}”，
func=lambda s:np.sqrt（s/.3）/3）
legend2=最大图例（*散点图例_元素（**kw），
loc=“右下”，title=“价格”）
plt.show（）

输出：

---

以下是使用Bokeh图的可能解决方案：

import pandas as pd
from bokeh.palettes import RdBu
from bokeh.models import LinearColorMapper, ColumnDataSource, ColorBar
from bokeh.models.ranges import FactorRange
from bokeh.plotting import figure, show
from bokeh.io import output_notebook

import numpy as np

output_notebook()

d = dict(x = ['A','A','A', 'B','B','B','C','C','C','D','D','D'], 
         y = ['B','C','D', 'A','C','D','B','D','A','A','B','C'], 
         corr = np.random.uniform(low=-1, high=1, size=(12,)).tolist())

df = pd.DataFrame(d)

df['size'] = np.where(df['corr']<0, np.abs(df['corr']), df['corr'])*50
#added a new column to make the plot size

colors = list(reversed(RdBu[9]))
exp_cmap = LinearColorMapper(palette=colors, 
                             low = -1, 
                             high = 1)


p = figure(x_range = FactorRange(), y_range = FactorRange(), plot_width=700, 
           plot_height=450, title="Correlation",
           toolbar_location=None, tools="hover")

p.scatter("x","y",source=df, fill_alpha=1,  line_width=0, size="size", 
          fill_color={"field":"corr", "transform":exp_cmap})

p.x_range.factors = sorted(df['x'].unique().tolist())
p.y_range.factors = sorted(df['y'].unique().tolist(), reverse = True)

p.xaxis.axis_label = 'Values'
p.yaxis.axis_label = 'Values'

bar = ColorBar(color_mapper=exp_cmap, location=(0,0))
p.add_layout(bar, "right")

show(p)

将熊猫作为pd导入
从bokeh.palets导入RdBu
从bokeh.models导入LinearColorMapper、ColumnDataSource和ColorBar
从bokeh.models.ranges导入FactorRange
从bokeh.plotting导入图形，显示
从bokeh.io导入输出\u笔记本
将numpy作为np导入
输出_笔记本（）
d=dict（x=['A'、'A'、'A'、'B'、'B'、'C'、'C'、'd'、'd'、'd']，
y=['B'，'C'，'D'，'A'，'C'，'D'，'B'，'D'，'A'，'A'，'B'，'C'，]，
corr=np.random.uniform（低=1，高=1，大小=（12，）.tolist（））
df=pd.数据帧（d）
df['size']=np。其中（df['corr']相反。虽然matplotlib可以做几乎所有事情，但seaborn只提供了一小部分选项。
因此，使用matplotlib，您可以绘制圆的
PatchCollection
，如下所示。

注意：您也可以使用散点图，但由于散点大小是以绝对单位表示的，因此很难将其缩放到网格中

import numpy as np
import matplotlib.pyplot as plt
from matplotlib.collections import PatchCollection

N = 10
M = 11
ylabels = ["".join(np.random.choice(list("PQRSTUVXYZ"), size=7)) for _ in range(N)]
xlabels = ["".join(np.random.choice(list("ABCDE"), size=3)) for _ in range(M)]

x, y = np.meshgrid(np.arange(M), np.arange(N))
s = np.random.randint(0, 180, size=(N,M))
c = np.random.rand(N, M)-0.5

fig, ax = plt.subplots()

R = s/s.max()/2
circles = [plt.Circle((j,i), radius=r) for r, j, i in zip(R.flat, x.flat, y.flat)]
col = PatchCollection(circles, array=c.flatten(), cmap="RdYlGn")
ax.add_collection(col)

ax.set(xticks=np.arange(M), yticks=np.arange(N),
       xticklabels=xlabels, yticklabels=ylabels)
ax.set_xticks(np.arange(M+1)-0.5, minor=True)
ax.set_yticks(np.arange(N+1)-0.5, minor=True)
ax.grid(which='minor')

fig.colorbar(col)
plt.show()