如何绘制脊髓灰质炎数据热力图：Y轴为州、X轴为年份

我正在通过YouTube等平台学习数据科学技能，做个人小项目时遇到了问题。我用的是美国卫生与公众服务部Project Tycho的数据集（1966-2013年美国各州法定传染病周报告），导出为.csv后在Anaconda的Jupyter Notebook里处理，想通过Seaborn热力图展示各州历年脊髓灰质炎病例数，但生成的图表完全不符合预期。

现有代码 #

polio_data=polio[['state', 'cases','incidence_per_100000','year']]
polio_years = list(polio_data['year'].unique())
polio_states= [v.title() for v in polio_data.state]
polio_data = polio_data.groupby('year').sum()
polio_data = polio_data.transpose().values

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

sb.heatmap(polio_data, cmap='Reds', robust=True,
      xticklabels=[year if year % 5 == 0 or year == max(polio_years) else '' for year in polio_years],
      yticklabels=polio_states)

问题表现 #

• 错误输出：热力图的行是cases和incidence_per_100000两个统计项，而非美国各州；列是年份，但数据是每年所有州的病例总和，完全偏离了「分州展示年度病例数」的需求。
• 期望效果：热力图行对应美国各州，列对应年份，每个单元格显示对应州对应年份的脊髓灰质炎病例数，颜色深浅代表病例数的多少。

解决方法 #

核心问题是你对数据的透视逻辑错误，应该把数据整理成「行=州，列=年份，值=病例数」的宽表结构，而非按年份求和全国总数。以下是修正步骤和代码：

修正后代码 #

import seaborn as sb
import matplotlib.pyplot as plt

# 1. 按州+年份汇总病例数（原数据是周报告，先合并年度数据）
polio_yearly = polio.groupby(['state', 'year'])['cases'].sum().reset_index()

# 2. 转成宽表：行=州，列=年份，单元格值=对应年度病例数
polio_pivot = polio_yearly.pivot(index='state', columns='year', values='cases')

# 3. 填充缺失值（部分州某年无病例会出现NaN，用0填充）
polio_pivot = polio_pivot.fillna(0)

# 4. 准备标签：州名首字母大写，年份按5年间隔显示
polio_states = [s.title() for s in polio_pivot.index]
polio_years = polio_pivot.columns.tolist()
xtick_labels = [y if y % 5 == 0 or y == max(polio_years) else '' for y in polio_years]

# 5. 绘制热力图
plt.figure(figsize=(16, 10))  # 调整尺寸适配州的数量
sb.heatmap(polio_pivot, cmap='Reds', robust=True,
           xticklabels=xtick_labels,
           yticklabels=polio_states,
           annot=False)  # 若需要显示具体病例数，可将annot改为True
plt.title('美国各州历年脊髓灰质炎病例数热力图（1966-2013）')
plt.xlabel('年份')
plt.ylabel('州')
plt.show()

关键修正点 #

• 原代码groupby('year').sum()是把所有州的病例按年份加总，得到的是全国年度总数，而非分州数据，这是核心错误；
• 改用groupby(['state', 'year'])['cases'].sum()先按州和年份汇总，再转成宽表，才能得到每个州每年的病例数；
• 填充缺失值避免热力图出现空白，同时调整图表尺寸让州名显示更清晰。

内容的提问来源于stack exchange，提问作者Ude Marcel