使用seaborn/matplotlib绘制按行类别着色的分类值热图

选用图表类型 #

直接用seaborn.heatmap即可实现需求，核心逻辑是将原始0/1观测值和行分类属性做绑定映射，再通过自定义色盘实现分类颜色区分。

实现步骤 #

1. 导入依赖库 #

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

2. 构造示例数据（使用自己的真实数据可跳过这步） #

df = pd.DataFrame({
    'ID': [1,2,3,4],
    'Cat': ['A','B','A','C'],
    'V1': [1,1,1,0],
    'V2': [1,1,1,0],
    'V3': [1,1,0,0]
})

3. 生成绘图用的转换矩阵 #

将不同Cat分类的1值映射为不同的数值，0值保持不变，方便后续绑定颜色：

# 分类到数值的映射关系，可根据自己的分类调整
cat_map = {'A': 1, 'B': 2, 'C': 3}
# 每行V列的0/1值 乘以 对应行的分类映射值，0乘任何数还是0，1会变成对应分类的数值
plot_matrix = df[['V1', 'V2', 'V3']].mul(df['Cat'].map(cat_map), axis=0)

4. 自定义颜色映射并绘图 #

# 自定义色盘：索引0对应未观测的0值（浅灰色），索引1对应A类红色，索引2对应B类绿色，索引3对应C类蓝色
custom_cmap = ['#f0f0f0', '#ff4444', '#00C851', '#33b5e5']

plt.figure(figsize=(6, 4))
# 绘制热图，关闭色条、单元格数值显示，加白色边框分割单元格
sns.heatmap(
    plot_matrix,
    cmap=custom_cmap,
    cbar=False,
    annot=False,
    linewidths=1,
    linecolor='white'
)
# 自定义y轴标签，显示每行的ID和Cat信息，可根据需求调整
plt.yticks(ticks=[i+0.5 for i in range(len(df))],
           labels=[f'ID:{row.ID} Cat:{row.Cat}' for _, row in df.iterrows()],
           rotation=0)
plt.xlabel('观测指标')
plt.ylabel('样本')
plt.title('指标观测情况')
plt.show()

效果说明 #

• 值为0的单元格显示浅灰色，代表未观测
• 值为1的单元格会根据所在行的Cat分类显示对应颜色，完全符合需求
• 如果需要调整颜色，直接修改custom_cmap里的色值即可

内容的提问来源于stack exchange，提问作者Tobias