如何使用pandas将dataframe转为填充0的矩阵并绘制heatmap？

当然可以！这其实是个非常常见的需求，用Pandas的内置工具就能轻松完成第一步的矩阵转换，再结合可视化库就能画出热图。我给你一步步说明：

第一步：转换为矩阵形式（填充缺失值为0） #

你需要用Pandas的pivot_table函数，它专门用来处理这种长表转宽表的场景，还能直接帮你填充缺失值。先看完整代码：

import pandas as pd

# 构造你提供的原始数据
df = pd.DataFrame({
    'colA': ['car1', 'car2', 'car1', 'car2'],
    'colB': ['plane1', 'plane2', 'plane2', 'plane3'],
    'counts': [23, 51, 12, 41]
})

# 转换为矩阵形式，缺失值自动填充为0
matrix_df = df.pivot_table(
    index='colA',    # 行索引设为colA的取值（car1、car2）
    columns='colB',  # 列名设为colB的取值（plane1、plane2、plane3）
    values='counts', # 单元格填充counts列的数值
    fill_value=0     # 缺失的位置直接填0
)

print(matrix_df)

运行这段代码后，输出的matrix_df就是你想要的结果：

colB  plane1  plane2  plane3
colA                        
car1      23      12       0
car2       0      51      41

第二步：绘制热图 #

要画热图的话，用Seaborn库会非常方便（它基于Matplotlib，和Pandas兼容性很好）。代码如下：

import seaborn as sns
import matplotlib.pyplot as plt

# 设置画布大小
plt.figure(figsize=(8, 6))

# 绘制热图，annot=True会显示单元格内的数值，fmt='d'表示用整数格式
sns.heatmap(matrix_df, annot=True, cmap='YlGnBu', fmt='d')

# 添加标题
plt.title('Car vs Plane Counts Heatmap')

# 显示图形
plt.show()

这段代码会生成一个带有数值标注的热图，颜色深浅对应数值大小，直观展示不同car和plane组合的counts数据。

内容的提问来源于stack exchange，提问作者Qubix