如何用Python的Seaborn绘制三类分级且按数量降序的热力图？

完全可以用Seaborn实现这类需求，下面是具体步骤和代码示例：

1. 数据预处理 #

先统计每个类别的数量，再将所有数据点按类别数量降序重新排列（数量最多的类别数据点排在最左侧）。

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

# 模拟数据集（替换成你实际的数据）
data = ["类别1"]*10 + ["类别2"]*8 + ["类别3"]*6
df = pd.DataFrame({"类别": data})

# 统计类别数量
counts = df["类别"].value_counts()
# 按类别数量降序排列数据点
sorted_data = df["类别"].sort_values(key=lambda x: x.map(counts), ascending=False).values
# 转换为1行24列的矩阵，适配热力图输入格式
heatmap_data = sorted_data.reshape(1, -1)

2. 自定义颜色映射 #

为每个类别分配不同深浅的颜色，数量越多颜色越深：

# 生成同一色系的深浅色，数量多的类别对应深色
palette = sns.color_palette("Blues", n_colors=len(counts))
category_color_map = dict(zip(counts.index, palette[::-1]))  # 反转调色盘，让多数量对应深色

3. 绘制热力图 #

用Seaborn的heatmap函数结合自定义规则实现需求：

plt.figure(figsize=(12, 2))

# 将类别转换为数值，用于映射颜色
category_num_map = dict(zip(counts.index, range(len(counts), 0, -1)))
num_data = [[category_num_map[cat] for cat in row] for row in heatmap_data]

sns.heatmap(num_data,
            cmap=sns.color_palette("Blues", n_colors=len(counts)),
            cbar=True,
            xticklabels=False,
            yticklabels=False,
            annot=False)

plt.title("类别热力图（按数量降序排列）")
plt.show()

关键说明 #

• 数据排序：通过sort_values结合类别数量映射，保证数量多的类别数据点排在左侧
• 颜色控制：利用Seaborn调色盘自动生成同色系深浅色，也可手动指定每个类别的颜色值
• 热力图适配：设置合适的画布尺寸，隐藏冗余刻度，让每个数据点的颜色清晰展示

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