如何在Pandas中将多级索引Series转为pivot table并绘制heatmap

一、从现有数据生成透视表 #

1. 基于两级索引的Series #

假设你的两级索引Series名为count_series，第一级索引是Animal，第二级是Idol，值为重复次数总和。直接用unstack()方法即可转换为目标格式的透视表：

# 转换为透视表，缺失值填充为0
pivot_table = count_series.unstack(level='Idol', fill_value=0)

若索引层级无显式名称，也可通过层级位置指定（比如Animal是第0层、Idol是第1层）：

pivot_table = count_series.unstack(level=1, fill_value=0)

2. 基于原始配对DataFrame #

假设原始DataFrame名为raw_df，每行代表一次Animal与Idol的配对记录，用pivot_table()方法直接统计频次并生成透视表：

# 统计每个组合的出现次数，生成透视表
pivot_table = raw_df.pivot_table(
    index='Animal',
    columns='Idol',
    aggfunc='size',  # 统计行数即配对次数
    fill_value=0
)

如果原始DataFrame已有记录重复次数的列（比如名为count），则指定values参数求和：

pivot_table = raw_df.pivot_table(
    index='Animal',
    columns='Idol',
    values='count',
    aggfunc='sum',
    fill_value=0
)

二、绘制热力图 #

使用seaborn的heatmap可快速生成反映数值大小的热力图，代码示例如下：

import seaborn as sns
import matplotlib.pyplot as plt

# 设置绘图风格
sns.set_style("whitegrid")

# 绘制热力图
plt.figure(figsize=(10, 6))  # 自定义图的尺寸
ax = sns.heatmap(
    pivot_table,
    annot=True,  # 在单元格内显示具体数值
    cmap='Blues',  # 颜色映射，深色对应高数值
    fmt='d',  # 数值显示格式，'d'代表整数
    cbar=True  # 显示右侧颜色条
)

# 设置标签与标题
ax.set_title('Animal-Idol配对次数热力图')
ax.set_xlabel('Idol')
ax.set_ylabel('Animal')

# 展示图形
plt.show()

• annot=True：可选，开启后便于直接读取单元格数值
• cmap：可替换为'Greens'、'Reds'等其他颜色映射
• fmt：若数值为浮点数，可改为'.2f'保留两位小数

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