python 画散点热力图_使用MATPLOTLIB 制图（散点图 热力图）

import numpy as np

import pandas as pd

import matplotlib.pyplot as plt

data = pd.read_csv('D:\\myfiles\\study\\python\\analyse\\数据团\\城市数据团_数据分析师_体验课_课程资料\\数据资料\\地市级党委书记数据库(2000-10).csv', encoding='gbk')

# 这里研究一下出生年份和任期的关系

data_term = data[['年份','党委书记姓名','出生年份']]

data_term_re = data_term[data_term['出生年份'].notnull()]

# 新建变量data_term，赋值包括年份、姓名、出生年份字段内容

# 清除缺失值

year_max = data_term_re[['出生年份','年份']].groupby(data_term_re['党委书记姓名']).max()

year_max.rename(columns={'年份':'年份max'}, inplace = True)

year_max['姓名'] = year_max.index

# 统计每个党委书记任期年份最大值，且更改列明

# 将index提取出字段内容

year_min = data_term_re[['出生年份','年份']].groupby(data_term_re['党委书记姓名']).min()

year_min.rename(columns={'年份':'年份min'}, inplace = True)

year_min['姓名'] = year_min.index

# 统计每个党委书记任期年份最小值，且更改列明

# 将index提取出字段内容

data_term_fin = pd.merge(year_max,year_min)

# 合并表格，默认重叠重复列明

# .dtypes查看字段类型 → 年份均为int

data_term_fin['任期'] = data_term_fin['年份max'] - data_term_fin['年份min']

# 计算任期

# 绘制图表1：任期与出生年份关系

fig_q3_1 = plt.figure(figsize=(8, 4))

# 创建一个图表，大小为8*4

plt.scatter(data_term_fin['出生年份'], data_term_fin['任期'], color='black', alpha=0.2, s=10)

plt.title('任期与出生年份关系')

plt.xlabel('出身年份')

plt.ylabel('任期(年)')

plt.grid(True)

plt.show()

import numpy as np

import pandas as pd

import matplotlib.pyplot as plt

data = pd.read_csv('D:\\myfiles\\study\\python\\analyse\\数据团\\城市数据团_数据分析师_体验课_课程资料\\数据资料\\地市级党委书记数据库(2000-10).csv', encoding='gbk')

# 这里研究一下出生年份和任期的关系

data_term = data[['年份','党委书记姓名','出生年份']]

data_term_re = data_term[data_term['出生年份'].notnull()]

# 新建变量data_term，赋值包括年份、姓名、出生年份字段内容

# 清除缺失值

year_max = data_term_re[['出生年份','年份']].groupby(data_term_re['党委书记姓名']).max()

year_max.rename(columns={'年份':'年份max'}, inplace = True)

year_max['姓名'] = year_max.index

# 统计每个党委书记任期年份最大值，且更改列明

# 将index提取出字段内容

year_min = data_term_re[['出生年份','年份']].groupby(data_term_re['党委书记姓名']).min()

year_min.rename(columns={'年份':'年份min'}, inplace = True)

year_min['姓名'] = year_min.index

# 统计每个党委书记任期年份最小值，且更改列明

# 将index提取出字段内容

data_term_fin = pd.merge(year_max,year_min)

# 合并表格，默认重叠重复列明

# .dtypes查看字段类型 → 年份均为int

data_term_fin['任期'] = data_term_fin['年份max'] - data_term_fin['年份min']

# 计算任期

# 绘制图表2：任期与出生年份关系 - 热图

fig_q3_2 = plt.figure(figsize = (8,4))

# 创建一个图表，大小为8*4

df = pd.crosstab(data_term_fin['任期'], data_term_fin['出生年份'])

# 整合数据

ax = fig_q3_2.add_subplot(111)

cax = ax.pcolor(df, cmap='Blues')

# cax = ax.matshow(df, cmap='Blues_r')

fig_q3_2.colorbar(cax)

plt.title('任期与出生年份关系 - 热图\n')

ax.set_xticklabels(data_term_fin['出生年份'].tolist())

plt.show()

# 创建热图，横坐标为出生年份，纵坐标为任期，