一、概念介绍
矩形树图(Treemap)，即矩形式树状结构图，利用矩形的面积表示数值的大小，颜色用于类别区分，常用于呈现多类别的一维数值比较，易读性强；基于树状的功能，在结构图中可以同时呈现数据层次的信息。
示例如下：
·对比常见的柱状图和条形图，矩形树图弥补了以下三个缺点：
1、当我们的数据是多类别且每个类别只有一个数值时，我们用柱状图会浪费很多的空间，而且显得单调。
2、当数据间差异较大（235 vs 18），会是对我们柱状图的纵坐标设定带来困扰，忽略极差会稀释我们小值类的差异。(当然 ，如果我们的大值只有那么一两个，可以单拎出来处理)
3、柱状图无法呈现数据间的层级结构
二、数据展示
我们的目的是为了呈现类间数值大小差异，如果有第二层，也顺便比较第二层的占比情况。
为了展示多各类别，我们利用的是省份的数据，excel表格中呈现如下：
第二层、第三层为了树状的呈现而随机生成，也是为了说明，树层结构并不要求每个节点都有枝叶。
三、数据导入
我们先绘制只有一维的，只需要输入【省份】【关注类】两个列，这个其实更常用一点(我的角度)
province_type1 = pd.DataFrame(pd.read_excel('./各省市上市公司个数/矩形树图示例.xlsx'))tree = []name = [province_type1['省份'][i]+'\n'+str(province_type1['关注类A'][i]) for i in range(len(province_type1))]for i in range(len(province_type1)):dic = {}dic["value"],dic["name"] = int(province_type1['关注类A'][i]),name[i]tree.append(dic)
①name--列表型数据结构，用于存放每个数据的label，这里我为了同时呈现数据对应的省份和大小，中间用了换行符(不用的话，在我们的树图上是一行，不好看)
②绘制矩形树图需要的是list，list里面是字典，key名指定为"name","value"。
③一定要注意的是，如果你画出来的图没有数据或者没有显示，检查是不是读excel数据中出现了问题，即上述代码中int的位置。
用于绘制treemap的数据结构如下所示：
四、图像绘制
tm = (TreeMap().add("关注类A",tree).set_series_opts(label_opts=opts.LabelOpts(position='inside')).set_global_opts(title_opts=opts.TitleOpts(title = '',subtitle = '/1/18-林老头ss')))tm.render('./绘图结果/矩形树图-例一.html')
position---指定label，即我们的name的位置，inside会居中显示。如果不加，默认top，在每个矩形上方显示。
结果如下所示：
由上图可知，广东省、浙江省和江苏省在随机数据中排名前三。受显示区域的限制，数据较小或名字过长的矩形往往不能显示完全，需要交互式放大其数值。
五、树形结构
在加入树形结构后，我们需要在代码中相应增加key为“children"的数据
from pyecharts.charts import Page,TreeMapfrom pyecharts import options as optsimport pandas as pdimport mathprovince_type1 = pd.DataFrame(pd.read_excel('./矩形树图示例.xlsx'))tree = []name = [province_type1['省份'][i]+'\n'+str(province_type1['关注类A'][i]) for i in range(len(province_type1))]for i in range(len(province_type1)):dic = {}dic["value"],dic["name"] = int(province_type1['关注类A'][i]),name[i]if math.isnan(province_type1['关注类A-1'][i]) ==0:dic["children"] = [{"name":province_type1['省份'][i]+"A-1:"+str(province_type1['关注类A-1'][i]),"value":int(province_type1['关注类A-1'][i])},{"name":province_type1['省份'][i]+"A-2:"+str(province_type1['关注类A-1'][i]),"value":int(province_type1['关注类A-2'][i])}]if math.isnan(province_type1['关注类A1-1'][i]) ==0:dic["children"][0]["children"] = [{"name":"A1-1:"+str(province_type1['关注类A1-1'][i]),"value":int(province_type1['关注类A1-1'][i])},{"name":"A1-2:"+str(province_type1['关注类A1-1'][i]),"value":int(province_type1['关注类A1-2'][i])}]tree.append(dic)tm = (TreeMap().add("关注类A的树",tree).set_series_opts(label_opts=opts.LabelOpts(position='inside')).set_global_opts(title_opts=opts.TitleOpts(title = '加油呀朋友们~',subtitle = '/1/18-林老头ss')))tm.render('./绘图结果/矩形树图-例二.html')
如果没有枝叶的类，则不需要在"name""value"平级上加"children"，如果枝叶中有两个以上类别，相当于是一个新的树，需要增加“children”，结构和树形一致，如下所示：
【“name”：“父节点”，
"value": number,
"children":【{“name”：“子节点一”，“value”：number}，
{“name”：“子节点二”，“value”：number}，
{“name”：“子节点三”，“value”：number}
】
】
子序列在显示区域允许的情况下，可以继续按上述结构增加。
绘制结果如下所示：
从上图我们可以看到，尽管我们为父类命名，但显示的结果只有最小类的名称和数值。
pyecharts图像交互性较强，可以通过点击不断聚焦类，放大图像，但由于不知道怎么呈现给大家，还是鼓励大家自己动手操作去探索叭~
希望对阅读的您有所帮助，有问题可以评论区留言交流~
