如何在Python中实现热力图与散点图的叠加展示？

问题说明 #

我拥有两个DataFrame：

• 热力图数据集windSpeedData：尺寸(189, 52)，索引代表height（高度），列名代表日期，数据起始于2023-4-14 15:40:00，时间间隔为10分钟
• 散点图数据集vData：尺寸(1542, 1)，索引代表日期，值代表height（高度），数据起始于2023-4-14 15:26:00，时间间隔为20秒，日期范围远大于热力图

两者的高度标准一致，需要将散点图与热力图叠加展示，但现有代码的效果不符合预期：

现有代码问题 #

原代码使用inset_axes创建独立的散点图坐标轴，导致两个图的时间、高度刻度无法对齐，且图层顺序设置不合理，无法实现正确的叠加效果。

修正方案 #

核心思路是让散点图直接使用热力图的坐标轴，通过坐标映射将散点的日期和高度对应到热力图的离散刻度位置，确保两者完全对齐。

步骤1：统一数据格式 #

确保两个数据集的日期为datetime类型，方便后续坐标映射：

import pandas as pd

# 转换热力图列名（日期）为datetime
windSpeedData.columns = pd.to_datetime(windSpeedData.columns)
# 转换散点图索引（日期）为datetime
vData.index = pd.to_datetime(vData.index)

步骤2：完整叠加代码 #

import matplotlib.pyplot as plt
import seaborn as sns
import numpy as np

# 创建画布与主坐标轴
fig, ax = plt.subplots(figsize=(12, 8))

# 绘制热力图
sns.heatmap(windSpeedData, cmap='viridis', cbar_kws={'label': 'Wind Speed'}, ax=ax)

# 设置热力图X轴（日期）刻度
xticks_interval = 5  # 可根据实际调整，避免刻度重叠
ax.set_xticks(np.arange(0, len(windSpeedData.columns), xticks_interval))
ax.set_xticklabels(windSpeedData.columns[::xticks_interval].strftime('%Y-%m-%d %H:%M'), rotation=45)

# 设置热力图Y轴（高度）刻度
yticks_interval = 20
ax.set_yticks(np.arange(0, len(windSpeedData.index), yticks_interval))
ax.set_yticklabels(windSpeedData.index[::yticks_interval])
ax.invert_yaxis()  # 反转Y轴，符合高度从上到下的常规展示

# 可选：过滤散点图中超出热力图时间范围的数据
heat_start = windSpeedData.columns.min()
heat_end = windSpeedData.columns.max()
filtered_vData = vData[(vData.index >= heat_start) & (vData.index <= heat_end)]

# 将散点的日期映射到热力图X轴坐标
x_coords = np.interp(filtered_vData.index.astype(np.int64), 
                     windSpeedData.columns.astype(np.int64), 
                     np.arange(len(windSpeedData.columns)))

# 将散点的高度映射到热力图Y轴坐标
y_coords = np.interp(filtered_vData['height'], 
                     windSpeedData.index, 
                     np.arange(len(windSpeedData.index)))

# 在热力图坐标轴上绘制散点
ax.scatter(x_coords, y_coords, color='red', s=15, alpha=0.7, zorder=10, label='Height Observation')

# 添加图例与调整布局
ax.legend()
plt.tight_layout()
plt.show()

关键细节说明 #

• 坐标映射：使用np.interp实现连续的散点数据（20秒间隔日期、连续高度）到热力图离散坐标轴位置的线性插值，确保散点精准对应热力图的时间与高度位置
• 数据过滤：可选步骤，若需要保留全部散点（包括热力图时间范围外的部分），删除过滤代码即可，此时散点会显示在热力图的左右两侧
• 图层顺序：设置zorder=10让散点位于热力图上方，保证散点可见
• 坐标轴共享：直接在热力图的坐标轴上绘制散点，彻底解决刻度对齐问题

内容的提问来源于stack exchange，提问作者wjzhywa6