基于Datetime索引的Seaborn热图：年月轴与收益率百分比展示

我明白你现在的困扰啦——手里有经过pct_change()处理的收益率序列，索引还是Datetime类型，想做成年份为X轴、月份为Y轴的热图，但试了几种方法都没成功对吧？别慌，咱们一步步把数据捋顺，再画热图就简单了！

核心思路 #

Seaborn的heatmap()需要二维的表格数据（行对应Y轴、列对应X轴），而咱们的原始数据是一维的时间序列，所以关键步骤是：把Datetime索引拆成年份和月份，然后将数据重塑成透视表格式。

具体步骤&代码 #

假设你的收益率序列叫returns（已经做过pct_change()，且索引是Datetime对象），咱们这么操作：

1. 拆分时间索引，提取年份和月份
   先把索引转成列，然后用Pandas的dt属性提取年份和月份（用月份名称比数字更直观，当然也可以用数字）：

   import pandas as pd
   import seaborn as sns
   import matplotlib.pyplot as plt
   
   # 把一维序列转成DataFrame，索引转成列
   returns_df = returns.reset_index()
   # 提取年份
   returns_df['year'] = returns_df['index'].dt.year
   # 提取月份名称（比如"January"），如果想用数字就换成dt.month
   returns_df['month'] = returns_df['index'].dt.month_name()
   

2. 转成热图需要的透视表格式
   用pivot()把数据转成“行=月份，列=年份，值=收益率”的二维表：

   # 这里的0是pct_change后的值列名，如果你的列名不是0，换成实际列名
   heatmap_data = returns_df.pivot(index='month', columns='year', values=0)
   

3. 调整月份顺序（关键！）
   默认情况下，月份会按字母顺序排列（比如April在最前面），这不符合咱们的认知，所以手动指定月份顺序：

   month_order = [
       'January', 'February', 'March', 'April', 'May', 'June',
       'July', 'August', 'September', 'October', 'November', 'December'
   ]
   heatmap_data = heatmap_data.reindex(month_order)
   

4. 绘制热图
   最后调用Seaborn的heatmap()，加上百分比标注、配色等参数：

   plt.figure(figsize=(12, 8))
   # annot=True显示数值，fmt='.2%'按百分比格式显示，cmap选你喜欢的配色
   sns.heatmap(heatmap_data, annot=True, fmt='.2%', cmap='coolwarm', cbar=True)
   plt.title('Monthly Returns by Year')
   plt.xlabel('Year')
   plt.ylabel('Month')
   plt.show()
   

小提示 #

• 如果你的数据里有缺失的年月组合，透视表会自动填充NaN，热图里会显示空白，你可以用heatmap_data.fillna(0)把缺失值换成0，或者根据需求处理。
• 如果想用月份数字（1-12），把dt.month_name()换成dt.month，然后month_order改成range(1,13)即可。

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