一行 Python 代碼輕松構建樹狀熱力圖
今天和大家一起學習一種可視化技術：構建樹狀熱力圖treemap。樹形圖易于可視化，且易于被人理解。樹狀圖通過展示不同大小的矩形，以傳達不同大小的數據量，一般認為，較大的矩形意味著占總體的一大部分，而較小的矩形意味著整體的一小部分。在本文中，云朵君將和大家一起學習如何使用Squarify庫在 Python 中構建樹形圖。
介紹
樹狀圖使用嵌套在一起的不同大小的矩形來可視化分層數據。每個矩形的大小與其代表的整體數據量成正比。這些嵌套的矩形代表樹的分支，因此得名。除了尺寸外，每個矩形都有代表獨特類別的獨特顏色。樹狀圖廣泛用于從金融機構到銷售組織的行業。
樹形圖最早是在 1990 年代早期由美國馬里蘭大學人機交互實驗室的 Ben Shneiderman 教授發明的。這種可視化背后的想法是在固定空間中按大小比較數量?，F在，我們將看看如何實際構建詞云。
佛羅里達州的樹狀圖 來源：https://commons.wikimedia.org
使用 Squarify 構建樹狀圖
Python 中的，可以使用 Squarify 直接構建樹狀圖。且只需要一行代碼squarify.plot(data)即可輕松構建。
1. 安裝必要的庫
!pip install squarify
2. 導入必要的庫
import matplotlib.pyplot as plt
import squarify
3. 創建隨機數據
隨機生成一個值列表，這些值將作為數據傳遞到我們的繪圖中。
data = [500, 250, 60, 120]
4. 繪制樹狀圖
使用**squarify.plot()** 方法構建樹狀圖。這里將隨機數據變量data作為此 squarify.plot 方法的參數。此外，附加一行修飾代碼 plt.axis('off') 隱藏 樹狀圖 的軸。
squarify.plot(data)
plt.axis('off')
plt.show()
5. 把它們放在一起
import matplotlib.pyplot as plt
import squarify
data = [500, 250, 60, 120]
squarify.plot(data)
plt.axis('off')
plt.show()
在執行此代碼時，我們得到：
每次執行此代碼時，它都生成一組隨機顏色的嵌套矩形。
使用附加參數
借助 .plot() 方法的參數，可以在樹狀圖中添加更多的修飾?？梢酝ㄟ^明確指定屬性來控制樹形圖的顏色、標簽和填充。
1. 指定樹狀圖的顏色
import matplotlib.pyplot as plt
import squarify
sizes = [500, 250, 120, 60]
color = ['red', 'green', 'blue', 'orange']
squarify.plot(sizes,color=color)
plt.axis('off')
plt.show()
在執行此代碼時，我們得到：
2.給樹狀圖添加標簽
不同的標簽值可以通過將列表傳遞到 squarify.plot() 的標簽屬性來顯式添加標簽。這將覆蓋現有標簽或將標簽添加到我們的樹狀圖中（如果不存在）。標簽將按照.plot()所傳遞的列表中的相同順序被添加到樹狀圖中。
import matplotlib.pyplot as plt
import squarify
labels = ['A', 'AB', 'ABC', 'ABCD']
sizes = [500, 250, 120, 60]
color = ['red', 'green', 'blue', 'orange']
squarify.plot(sizes,color=color, label = labels)
plt.axis('off')
plt.show()
在執行此代碼時，我們得到：
3. 樹狀圖中的pad
可以在樹狀圖中添加pad，將樹狀圖中的每個具體彼此分離，這將有助于更好地區分矩形。當有大量類別或矩形時，這很有用。可以通過將pad參數設置為True來調用。
import matplotlib.pyplot as plt
import squarify
labels = ['AB', 'A', 'ABC', 'ABCD']
sizes = [500, 250, 120, 60]
color = ['red', 'green', 'blue', 'orange']
squarify.plot(sizes,color=color, label = labels, pad = True)
plt.axis('off')
plt.show()
在執行代碼時，我們得到：
寫在最后
由此看來，構建樹形圖可謂是小菜一碟。除了squarify 庫，樹狀圖還可以使用 Python 中的其他幾個庫來構建。如比較流行的plotly庫。在今天的次條推文中介紹了其應用案例，感興趣的小伙伴可以看看。
import plotly_express as px
import plotly.graph_objects as go
px.treemap(names = name, parents = parent)
go.Figure(go.Treemap(labels = name, parents = parent,))
當然，還有許多 BI 工具可用于更加方便簡單地構建樹狀圖。
有時，樹狀圖中可能會出現歧義。如果有多個具有相同數量（或矩形大小）和相同顏色深淺的類別，則導致用戶最終很難區分它們。所以在構建樹狀圖時，必須始終考慮所涉及的類別數量和顏色映射。
