如何为pandas DataFrame绘制按值映射颜色、条块宽度固定的水平堆叠条形图

问题1：颜色映射需求实现方法 #

你可以预先定义数值到颜色的映射表，将原始DataFrame的数值全部替换为对应颜色后，传入绘图的color参数即可，参考代码：

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

# 原始数据生成代码
row1 = [random.randint(0,2) for i in range(10)]
row2 = [random.randint(0,2) for i in range(10)]
df = pd.DataFrame([{i:row1[i] for i in range(10)}, {i:row2[i] for i in range(10)}])
# 更简洁的全1辅助DataFrame写法
df2 = pd.DataFrame(1, index=df.index, columns=df.columns)

# 定义数值到颜色的映射
color_map = {0: 'gray', 1: 'blue', 2: 'red'}
# 生成每个色块对应的颜色列表
plot_colors = df.apply(lambda x: x.map(color_map)).values.tolist()

# 绘图
df2.plot(kind='barh', stacked=True, legend=False, color=plot_colors)
plt.show()

问题2：更优的生成方法 #

不用手动生成全1辅助DataFrame，直接使用seaborn.heatmap绘制离散热图是更简洁的方案，天然满足每个块等大的需求，代码更短、可配置性更高：

import seaborn as sns

sns.heatmap(df,
            cmap=['gray', 'blue', 'red'], # 对应0/1/2的颜色
            cbar=False, # 隐藏右侧色条
            yticklabels=True,
            xticklabels=True)
plt.show()

问题3：图表的专门名称 #

这类等大离散色块展示数值的图表最常用的名称是分类热图（Categorical Heatmap），也可称为瓷砖图（Tile Plot），如果是用于展示序列状态，也会被叫做状态序列图。

问题4：使用色阶映射数值的实现 #

完全支持。如果使用热图方案，直接将cmap参数替换为连续色带名称即可（比如cmap='viridis'、cmap='RdYlBu_r'），工具会自动将0-2的数值映射到色带上的对应颜色；如果使用堆叠条形图方案，可以借助matplotlib.colors.Normalize和连续色带对象，将数值映射为对应色阶颜色后再传入绘图参数。

问题5：给色块加边框的实现 #

两种绘图方案都可以轻松实现：

• 堆叠条形图方案：绘图时增加edgecolor='black', linewidth=1参数即可给每个色块添加黑色边框
• 热图方案：增加linewidths=1, linecolor='black'参数即可实现边框效果，相邻同色色块会被边框明显区分开

内容的提问来源于stack exchange，提问作者chefhose