Python多级Treemap自定义标签实现技术求助

我需要基于下方的汽车品牌（Make）、车型（Type）和数量（count）数据集绘制多级Treemap，尝试过plotly.express和matplotlib-extra库但没解决问题。希望自定义标签格式为「品牌\n数量」，但Squarify不支持多级结构，现有代码片段如下：

# labels = [f'{make}\n{count}' for make, count in zip(car_cmt_df['Make'].tolist(), car_cmt_df['Type'].tolist())]

数据集 #

参考效果 #

可行解决方案建议 #

方案1：使用Plotly Express实现多级Treemap（推荐） #

Plotly原生支持多级分层的Treemap，且可以自定义标签格式，步骤如下：

1. 预处理数据集：确保count列是数值类型（原数据中Audi Coupe的210 V需修正为210）
2. 构建分层路径：通过path参数指定['Make', 'Type']作为两级层级
3. 自定义标签：用text参数设置「品牌\n数量」格式，结合texttemplate控制显示

示例代码：

import plotly.express as px
import pandas as pd

# 加载并修正数据集
car_cmt_df = pd.DataFrame([
    ["Audi", "Convertible", 79],
    ["Audi", "Coupe", 210],
    ["Audi", "Hatchback", 41],
    ["Audi", "Sedan", 216],
    ["Audi", "Wagon", 43],
    ["BMW", "Convertible", 162],
    ["BMW", "Coupe", 86],
    ["BMW", "SUV", 123],
    ["BMW", "Sedan", 118],
    ["BMW", "Wagon", 42],
    ["Chevrolet", "Convertible", 85],
    ["Chevrolet", "Coupe", 45],
    ["Chevrolet", "Crew Cab", 85],
    ["Chevrolet", "Extended Cab", 87],
    ["Chevrolet", "Regular Cab", 82],
    ["Chevrolet", "SS", 119],
    ["Chevrolet", "SUV", 81],
    ["Chevrolet", "Sedan", 171],
    ["Chevrolet", "Van", 65],
    ["Chevrolet", "Z06", 38],
    ["Chevrolet", "ZR1", 47],
    ["Fisker", "Sedan", 44],
    ["HUMMER", "Crew Cab", 83],
    ["Ram", "Minivan", 41],
    ["Tesla", "Sedan", 39]
], columns=["Make", "Type", "count"])

# 绘制多级Treemap
fig = px.treemap(
    car_cmt_df,
    path=['Make', 'Type'],
    values='count',
    text=['<b>{}</b>\n{}'.format(m, c) for m, c in zip(car_cmt_df['Make'], car_cmt_df['count'])],
    texttemplate='%{text}',
    hover_data={'count': True}
)

# 调整布局，隐藏冗余图例
fig.update_layout(
    margin=dict(t=50, l=25, r=25, b=25),
    showlegend=False
)

fig.show()

方案2：使用Squarify结合Matplotlib手动绘制多级结构 #

若坚持用Matplotlib+Squarify，需手动分层绘制：

1. 计算每个品牌的总数量，绘制一级Treemap（品牌层级）
2. 对每个品牌的子车型，在对应品牌方块内绘制二级Treemap
3. 在每个方块中心添加「品牌\n数量」自定义标签

核心代码片段：

import matplotlib.pyplot as plt
import squarify
import pandas as pd

# 加载并修正数据集
car_cmt_df = pd.DataFrame([...]) # 同方案1的数据集

# 计算品牌总数量
brand_totals = car_cmt_df.groupby('Make')['count'].sum().reset_index()

# 绘制一级Treemap（品牌层）
fig, ax = plt.subplots(figsize=(12, 8))
rects = squarify.plot(
    sizes=brand_totals['count'],
    label=brand_totals['Make'],
    ax=ax,
    alpha=0.7
)
ax.set_axis_off()

# 遍历每个品牌方块，绘制二级车型Treemap
# 需手动匹配方块坐标与对应品牌的子车型数据，此处省略坐标匹配细节
# 例如：对每个品牌，筛选其下的车型数据，在对应的rect区域内绘制子treemap

plt.show()

关键注意事项 #

• 必须确保count列是纯数值类型，异常值（如原数据中的210 V）需提前修正
• Plotly方案无需手动处理坐标，自动适配多级结构，交互性更强，更贴近参考图效果
• 若需要静态图，Plotly可直接导出为PNG/SVG格式

内容的提问来源于stack exchange，提问作者B L Praveen