Python中构建3维DataFrame及实现heat_map()的问题求助

嘿，我来帮你搞定这个3维DataFrame的构建问题，顺便教你怎么画对应的热力图！

首先得纠正一个常见误区——pandas本身并没有原生的3维DataFrame结构哦！之前很多人用的Panel类早就被弃用了（pandas 0.25版本之后就移除了），现在官方推荐用多层索引（MultiIndex）的2D DataFrame来模拟3维数据，这大概率是你之前出错的原因：要么误用了已废弃的Panel，要么试图直接创建3D结构但找错了方法。

1. 用MultiIndex构建（Pandas官方推荐） #

我们可以把第三个维度嵌套进行或列的多层索引里，比如假设你要存储「日期-产品类别-区域」三个维度的销售额数据，示例代码如下：

import pandas as pd
import numpy as np

# 定义三个维度的取值
dates = pd.date_range('2024-01-01', periods=3)  # 日期维度：3天
categories = ['Electronics', 'Clothing']        # 类别维度：2类
regions = ['North', 'South']                    # 区域维度：2个区域

# 生成多层列索引（把类别+区域作为列的两层索引）
multi_columns = pd.MultiIndex.from_product(
    [categories, regions], 
    names=['Category', 'Region']
)

# 构建带多层索引的DataFrame（模拟3维数据）
df_3d = pd.DataFrame(
    np.random.randn(3, 4),  # 3行（日期）×4列（2类别×2区域），形状匹配索引乘积
    index=dates,
    columns=multi_columns
)

print(df_3d)

这样的结构既能存储3维数据，又能享受pandas所有的数据分析功能，不会出现废弃类的错误。

2. 用Xarray构建纯粹的3D数据结构 #

如果你确实需要更原生的多维数组支持，可以用专门处理多维数据的xarray库，它和pandas兼容性很好：

import xarray as xr

# 创建3D数据集
ds = xr.Dataset(
    {
        'sales': (['date', 'category', 'region'], np.random.randn(3, 2, 2))
    },
    coords={
        'date': dates,
        'category': categories,
        'region': regions
    }
)

print(ds)

热力图本质是2D可视化，所以我们需要把3D数据降维——固定其中一个维度，绘制剩下两个维度的热力图，下面分两种情况演示：

1. 基于MultiIndex DataFrame的热力图（用Seaborn） #

比如我们固定某一天，绘制「类别×区域」的销售额热力图：

import seaborn as sns
import matplotlib.pyplot as plt

# 提取2024-01-01的数据，转成普通2D DataFrame
single_day_data = df_3d.loc['2024-01-01'].unstack()

# 绘制热力图
plt.figure(figsize=(8, 4))
sns.heatmap(single_day_data, annot=True, cmap='coolwarm', fmt='.2f')
plt.title('Sales Heatmap on 2024-01-01')
plt.show()

如果想一次性展示所有日期的热力图，可以用子图批量绘制：

fig, axes = plt.subplots(1, 3, figsize=(15, 4))
for idx, date in enumerate(dates):
    # 提取单天数据并转成2D结构
    day_data = df_3d.loc[date].unstack()
    # 在子图上画热力图
    sns.heatmap(day_data, annot=True, cmap='coolwarm', ax=axes[idx], cbar=False, fmt='.2f')
    axes[idx].set_title(f'Sales on {date.date()}')
plt.tight_layout()
plt.show()

2. 基于Xarray的热力图 #

Xarray自带绘图功能，操作更简洁：

# 固定日期，绘制类别×区域的热力图
ds.sel(date='2024-01-01')['sales'].plot(kind='heatmap', annot=True, cmap='coolwarm')
plt.title('Sales Heatmap on 2024-01-01')
plt.show()

如果之前构建时出现错误，大概率是这两种情况：

• 误用Panel类：报错AttributeError: module 'pandas' has no attribute 'Panel'，直接换成上面的MultiIndex方法即可。
• 维度不匹配：报错ValueError: Shape of passed values is ..., indices imply ...，检查数据的形状和多层索引的乘积是否一致（比如3天×2类别×2区域对应3行×4列的DataFrame，数据总个数要匹配）。

内容的提问来源于stack exchange，提问作者hongyan2003