如何创建单元格内嵌sparkline的分类热力图？

下面是用Matplotlib实现每个单元格包含独立sparkline的热力图方案，核心思路是在基础热力图的每个单元格内嵌入小型子图绘制sparkline，替代传统文本标注：

完整代码示例 #

import matplotlib.pyplot as plt
from mpl_toolkits.axes_grid1.inset_locator import inset_axes
import numpy as np

# 1. 准备模拟数据
row_labels = ["类别A", "类别B", "类别C", "类别D"]
col_labels = ["组1", "组2", "组3", "组4"]
n_rows = len(row_labels)
n_cols = len(col_labels)

# 热力图主数据（控制单元格颜色）
heatmap_data = np.random.rand(n_rows, n_cols) * 10 - 5

# 每个单元格对应的sparkline时间序列数据（每个单元格生成10个点的序列）
sparkline_data = [
    [np.random.randn(10).cumsum() for _ in range(n_cols)]
    for _ in range(n_rows)
]

# 2. 绘制基础热力图
fig, ax = plt.subplots(figsize=(10, 6))
im = ax.imshow(heatmap_data, cmap="coolwarm", aspect="equal")

# 设置热力图标签与刻度
ax.set_xticks(np.arange(n_cols))
ax.set_yticks(np.arange(n_rows))
ax.set_xticklabels(col_labels)
ax.set_yticklabels(row_labels)
ax.tick_params(top=True, bottom=False, labeltop=True, labelbottom=False)

# 添加颜色条
plt.colorbar(im, ax=ax, shrink=0.8)

# 3. 在每个单元格内嵌Sparkline
for i in range(n_rows):
    for j in range(n_cols):
        # 创建内嵌子图，占单元格80%的空间
        inset_ax = inset_axes(
            ax,
            width="80%",
            height="80%",
            loc="center",
            bbox_to_anchor=(j, i, 1, 1),
            bbox_transform=ax.transData,
            borderpad=0
        )
        
        # 绘制sparkline
        data = sparkline_data[i][j]
        inset_ax.plot(data, color="black", linewidth=1.5)
        
        # 隐藏轴元素，简化样式
        inset_ax.set_xticks([])
        inset_ax.set_yticks([])
        for spine in inset_ax.spines.values():
            spine.set_visible(False)
        
        # 可选：标记最大值点
        max_idx = np.argmax(data)
        inset_ax.scatter(max_idx, data[max_idx], color="red", s=15)

# 4. 调整整体布局
plt.tight_layout()
plt.show()

关键实现技巧 #

• 内嵌子图定位：用inset_axes通过bbox_to_anchor和transData精准绑定单元格位置，确保sparkline与单元格对齐。
• Sparkline简化：隐藏坐标轴、边框，只保留核心线条，避免干扰热力图视觉；可按需添加极值点、趋势标记提升信息密度。
• 热力图基础优化：设置aspect="equal"保证单元格为正方形，调整刻度位置让分类标签显示更合理。

简化版方案（基于Annotation） #

如果不想用内嵌子图，也可以用PathPatch结合annotate绘制极简sparkline，灵活性稍弱但代码更轻量：

from matplotlib.path import Path
from matplotlib.patches import PathPatch

# 在单元格(j,i)绘制简化sparkline
data = sparkline_data[i][j]
# 归一化数据到单元格内部范围
norm_data = (data - data.min()) / (data.max() - data.min()) * 0.8 + 0.1
vertices = [(j + x/9, i + y) for x, y in enumerate(norm_data)]
path = Path(vertices)
patch = PathPatch(path, color="black", linewidth=1, fill=False)
ax.add_patch(patch)

内容的提问来源于stack exchange，提问作者As3adTintin