使用Python Seaborn创建热力图的制作指南

import seaborn as sns
import matplotlib.pyplot as plt

# 加载数据集
data = sns.load_dataset("flights")

# 数据透视：将"year"和"month"转换为行和列，计算乘客量总和
data_pivot = data.pivot("month", "year", "passengers").fillna(0)

plt.figure(figsize=(10, 6))
sns.heatmap(data_pivot, annot=True, fmt="d")  # 显示数值标签
plt.title("1949-1960年每月航班乘客量热力图")
plt.show()

plt.figure(figsize=(14, 8))  # 放大图表
sns.heatmap(data_pivot, cmap="Spectral", vmin=0, vmax=600)  # 使用光谱色系，限定数值范围
plt.title("航班乘客量分布（蓝绿黄红渐变）")

sns.heatmap(data_pivot, annot=True, fmt="d", cbar=False)  # 关闭颜色条，保留数值标签
plt.title("每月乘客量（无颜色条）")

g = sns.FacetGrid(data_pivot.T, col="year", col_wrap=3)  # 按年份分面
g.map(sns.heatmap, data_pivot, annot=True)

import plotly.express as px
fig = px.density_heatmap(data, x=“year”, y=“month”, z=“passengers”)
fig.show()

### **四、热力图应用案例**

#### **案例：电商销售渠道分析**

**数据**：某电商平台各渠道（天猫、京东、拼多多）在不同月份的销售额。
**目标**：识别低效渠道和季节性销售趋势。

**实现代码**：

python

```python
# 数据准备（示例）
sales_data = {
  "Channel": ["天猫", "京东", "拼多多"],
  "Jan": [1200, 950, 800],
  "Feb": [1500, 1100, 900],
  # ... 其他月份数据
}
df = pd.DataFrame(sales_data).melt(id_vars="Channel", var_name="Month", value_name="Sales")

# 创建热力图
plt.figure(figsize=(10, 6))
sns.heatmap(df.pivot("Channel", "Month", "Sales"), cmap="Reds")
plt.title("各渠道月度销售额热力图")
plt.show()