Python 带热图调色板的条形图

我使用

matplotlib.pyplot

和

seaborn

库创建了一个简单的条形图。是否有可能以这样的方式更改条形图的颜色方案，即对应于较高计数的条形图具有较深的红色，而对应于较低计数的条形图具有浅红色？所以，某种热图应用于条形图。我怎么做？目前，我的计数图中有随机颜色

df =
    DeviceId   Speed
    1          30
    1          35 
    1          31
    2          20
    2          25
    3          80

import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns

%matplotlib inline

result = df.groupby(["DeviceId"])['Speed'].aggregate(np.median).reset_index()

plt.figure(figsize=(12,8))
sns.barplot(x="DeviceId", y="Speed", data=result)
plt.ylabel('Median speed', fontsize=12)
plt.xlabel('Device ID', fontsize=12)
plt.xticks(rotation='vertical')
plt.show()

更新：

我试过这个：

sns.barplot(x="DeviceId", y="Speed", data=result, palette=sns.cubehelix_palette(8))

---

但较暗的颜色并不对应较高的计数。看起来颜色是使用预定义的调色板随机分配给条形图的。

您可以通过定义具有最小和最大数据值的标准化实例，根据颜色映射获得颜色，并使用此标准化和所选的颜色映射将数据映射到颜色。在这里，使用反向铜地图可能有意义（请参阅）

然后可以在条形图中使用这些颜色

sns.barplot(x="DeviceId", y="Speed", data=result, palette=colors)

完成代码以复制上述内容：

u = u"""DeviceId   Speed
    1          30
    1          35 
    1          31
    2          20
    2          25
    3          80"""

import io
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns

#%matplotlib inline

df = pd.read_csv(io.StringIO(u), delim_whitespace=True)
result = df.groupby(["DeviceId"])['Speed'].aggregate(np.median).reset_index()

norm = plt.Normalize(result["Speed"].values.min(), result["Speed"].values.max())
colors = plt.cm.copper_r(norm(result["Speed"]))

plt.figure(figsize=(12,8))
sns.barplot(x="DeviceId", y="Speed", data=result, palette=colors)
plt.ylabel('Median speed', fontsize=12)
plt.xlabel('Device ID', fontsize=12)
plt.xticks(rotation='vertical')
plt.show()

从

0

on进行规格化也可能对任何顺序颜色贴图都有很好的效果

norm = plt.Normalize(0, result["Speed"].values.max())
colors = plt.cm.Purples(norm(result["Speed"]))

---

对于Python 3.x，必须调整标准步骤：

u = u"""DeviceId   Speed
    1          01
    1          09
    1          31
    2          20
    2          25
    3          80"""

import io
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
#%matplotlib inline
sns.set(font_scale=1.5)

df     = pd.read_csv(io.StringIO(u), delim_whitespace=True)
result = df.groupby(["DeviceId"])['Speed'].aggregate(np.median).reset_index()

norm   = plt.Normalize(0, result["Speed"].values.max())
colors = plt.cm.RdYlGn(   result["Speed"].apply(norm ))

fig    = plt.figure(figsize=(12,8))
ax     = sns.barplot(x="DeviceId", y="Speed", data=result, palette=colors,  )

_ = plt.ylabel('Median speed', fontsize=12)
_ = plt.xlabel('Device ID'   , fontsize=12)
_ = plt.xticks(rotation= 90 )
plt.show()

---

这行命令有一个输入错误：result=df.groupby（[“DeviceId”]）'Speed'].aggregate（np.median）。reset_index（）（“]）@edouard:谢谢，修复了。太好了。我如何制作红色地图？也许你可以从提供的链接中查看颜色地图并尝试一些。如果结果不是你喜欢的，问得更具体一点。

u = u"""DeviceId   Speed
    1          01
    1          09
    1          31
    2          20
    2          25
    3          80"""

import io
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
#%matplotlib inline
sns.set(font_scale=1.5)

df     = pd.read_csv(io.StringIO(u), delim_whitespace=True)
result = df.groupby(["DeviceId"])['Speed'].aggregate(np.median).reset_index()

norm   = plt.Normalize(0, result["Speed"].values.max())
colors = plt.cm.RdYlGn(   result["Speed"].apply(norm ))

fig    = plt.figure(figsize=(12,8))
ax     = sns.barplot(x="DeviceId", y="Speed", data=result, palette=colors,  )

_ = plt.ylabel('Median speed', fontsize=12)
_ = plt.xlabel('Device ID'   , fontsize=12)
_ = plt.xticks(rotation= 90 )
plt.show()