如何基于双索引DataFrame绘制三角热力图

你的问题出在透视后的DataFrame包含大量NaN值（上三角区域，也就是min > max的部分），普通热力图会默认忽略这些值，导致只显示有数据的对角线和下三角的一条“线”。我们可以通过**掩码（mask）**来只显示有数据的三角区域，同时美化热力图的显示效果。

以下是完整的实现步骤和代码：

步骤1：确认透视后的数据结构 #

首先看一下你透视后的df，它的行是min值，列是max值，只有当min <= max时才有对应的score，其余位置都是NaN：

print(df)

输出大概是：

max         1         2         3         4         5
min                                                  
1    0.537829  0.553661  0.573658  0.592656  0.607377
2         NaN  0.552494  0.575936  0.592823  0.609210
3         NaN       NaN  0.587435  0.599433  0.613821
4         NaN       NaN       NaN  0.609321  0.618265
5         NaN       NaN       NaN       NaN  0.627541

步骤2：创建掩码并绘制三角热力图 #

我们使用seaborn.heatmap的mask参数，把不需要显示的上三角区域（min > max）隐藏起来，同时添加必要的美化设置：

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

# 读取并处理数据
data_str = """1 1 0.5378291300966559\n1 2 0.5536607043661815\n2 2 0.5524941673147428\n1 3 0.5736584823908455\n2 3 0.5759360071103211\n3 3 0.5874347294745028\n1 4 0.5926563715142762\n2 4 0.5928230196644817\n3 4 0.5994333962893011\n4 4 0.6093211865348295\n1 5 0.6073769581157649\n2 5 0.6092100877680258\n3 5 0.6138206865903788\n4 5 0.6182646372625263\n5 5 0.6275413842906343"""
data = [{'min':line.split()[0], 'max':line.split()[1], 'score':line.split()[2]} for line in data_str.split('\n')]
df = pd.DataFrame(data, dtype=float).pivot('min', 'max', 'score')

# 创建掩码：隐藏min > max的区域
mask = df.index[:, None] > df.columns

# 设置绘图风格
sns.set_style("white")

# 绘制热力图
plt.figure(figsize=(8, 6))
ax = sns.heatmap(df, mask=mask, annot=True, fmt=".4f", cmap="YlGnBu", cbar=True,
                 xticklabels=True, yticklabels=True)

# 设置标题和坐标轴标签
ax.set_title("三角热力图（min <= max）")
ax.set_xlabel("max")
ax.set_ylabel("min")

# 调整布局，防止标签被截断
plt.tight_layout()
plt.show()

代码解释 #

• 掩码（mask）：df.index[:, None] > df.columns生成一个布尔矩阵，当行索引（min）大于列索引（max）时为True，这些区域会被热力图隐藏。
• annot=True：显示每个单元格的具体数值，fmt=".4f"控制数值保留4位小数。
• cmap：设置热力图的颜色映射，你可以根据喜好换成其他配色（比如"viridis"、"coolwarm"等）。
• cbar=True：显示颜色条，方便查看数值对应的颜色。

运行这段代码后，你就能得到一个清晰的三角热力图，显示所有min <= max对应的score值啦！

内容的提问来源于stack exchange，提问作者alvas