将指定字典转换为适配Plotly绘图的Pandas DataFrame

需求说明 #

给定字典的键为三元组（人员索引i、日期索引t、班次），值为0.0或1.0（1表示该班次被排班）。需将其转换为行对应人员索引、列对应日期索引的DataFrame，单元格值为当日被排班的班次（无班次则填0），且适配指定的Plotly可视化函数。

可视化函数（中文适配版） #

def visualize(data):
    title_str = '排班表可视化'
    # 绘制热力图，列对应日期1-7，颜色映射匹配班次/休息状态
    fig = px.imshow(data[[str(i) for i in range(1, 8)]], 
                    color_continuous_scale=["red", "orange", "blue", 'black'],
                    title=title_str,)
    # 设置悬停提示内容
    fig.update(data=[{'hovertemplate': "日期: %{x}<br>"
                                       "人员: %{y}<br>",
                      }])
    # 配置颜色条：刻度值对应状态，文本说明对应班次/休息
    colorbar = dict(thickness=25,
                     tickvals=[0, 1, 2, 3],
                     ticktext=['早班', '中班', '晚班', '休息'])
    fig.update(layout_coloraxis_showscale=True, layout_coloraxis_colorbar=colorbar)
    fig.show()
 
    return fig

字典转DataFrame实现代码 #

import pandas as pd
import plotly.express as px

# 给定的排班字典
dic = {(1, 1, 1): 0.0, (1, 1, 2): 0.0, (1, 1, 3): 1.0, (1, 2, 1): 0.0, (1, 2, 2): 1.0, (1, 2, 3): 0.0, (1, 3, 1): 0.0, (1, 3, 2): 0.0, (1, 3, 3): 0.0, (1, 4, 1): 0.0, (1, 4, 2): 1.0, (1, 4, 3): 0.0, (1, 5, 1): 1.0, (1, 5, 2): 0.0, (1, 5, 3): 0.0, (1, 6, 1): 0.0, (1, 6, 2): 1.0, (1, 6, 3): 0.0, (1, 7, 1): 0.0, (1, 7, 2): 1.0, (1, 7, 3): 0.0, (2, 1, 1): 1.0, (2, 1, 2): 0.0, (2, 1, 3): 0.0, (2, 2, 1): 1.0, (2, 2, 2): 0.0, (2, 2, 3): 0.0, (2, 3, 1): 1.0, (2, 3, 2): 0.0, (2, 3, 3): 0.0, (2, 4, 1): 0.0, (2, 4, 2): 0.0, (2, 4, 3): 0.0, (2, 5, 1): 1.0, (2, 5, 2): 0.0, (2, 5, 3): 0.0, (2, 6, 1): 0.0, (2, 6, 2): 0.0, (2, 6, 3): 1.0, (2, 7, 1): 0.0, (2, 7, 2): 1.0, (2, 7, 3): 0.0, (3, 1, 1): 1.0, (3, 1, 2): 0.0, (3, 1, 3): 0.0, (3, 2, 1): 0.0, (3, 2, 2): 1.0, (3, 2, 3): 0.0, (3, 3, 1): 0.0, (3, 3, 2): 0.0, (3, 3, 3): 0.0, (3, 4, 1): 1.0, (3, 4, 2): 0.0, (3, 4, 3): 0.0, (3, 5, 1): 1.0, (3, 5, 2): 0.0, (3, 5, 3): 0.0, (3, 6, 1): 1.0, (3, 6, 2): 0.0, (3, 6, 3): 0.0, (3, 7, 1): 0.0, (3, 7, 2): 1.0, (3, 7, 3): 0.0}

# 1. 将字典拆分为结构化DataFrame
df = pd.DataFrame([(k[0], k[1], k[2], v) for k, v in dic.items()], 
                  columns=['人员索引', '日期索引', '班次', '是否排班'])

# 2. 筛选出实际被排班的记录
scheduled_records = df[df['是否排班'] == 1.0]

# 3. 转换为目标行列结构，无排班日期填充0
result_df = scheduled_records.pivot(index='人员索引', columns='日期索引', values='班次').fillna(0)

# 4. 将列名转为字符串，适配可视化函数的列选择逻辑
result_df.columns = result_df.columns.astype(str)

# 5. 调用可视化函数生成热力图
visualize(result_df)

代码逻辑说明 #

• 拆分字典：把三元组键拆分为人员、日期、班次三列，保留排班标记
• 筛选有效记录：只保留被排班的条目，过滤未排班数据
• 重构结构：通过pivot转换为人员×日期的矩阵，无排班日期用0填充
• 列名适配：将日期列转为字符串，匹配可视化函数的列选择规则
• 最终生成的DataFrame完全适配可视化要求，颜色对应关系：0=休息（黑色）、1=早班（红色）、2=中班（橙色）、3=晚班（蓝色）

内容的提问来源于stack exchange，提问作者nflgreaternba