数据可视化实验：比例数据可视化（板块层级图）_比例数据可视化案例教学-优快云博客

本文链接：https://blog.youkuaiyun.com/Az_Wu/article/details/147231195

数据可视化实验：比例数据可视化（板块层级图）

一、引言与实验原理
二、实验目的与实验环境
三、实验步骤
四、总结与心得

一、引言与实验原理

板块层级图（treemap）是一种基于面积的可视化方式，通过每一个板块（通常为矩形）的尺寸大小进行度量。外部矩形代表父类别，而内部矩形代表子类别。我们也可以通过板块层级图简单的呈现比例关系，不过它更擅于呈现树状结构的数据。

下面我们将读取绘图所用的数据，并对数据进行处理将数据处理成我们可以使用的形式，绘制板块层级图，设置标签和标题。

二、实验目的与实验环境

本次实验学习的是比例数据可视化技术的操作方法。使用Python完成。主要包括：

掌握数据文件读取
掌握数据处理的方法
实现板块层级图的绘制

实验环境：

OS：win11
python：v3.11.5

三、实验步骤

1.安装pandas、matplotlib、seaborn、squarify

首先WIN＋R调出“运行”并输入cmd进入终端

随后：
1、输入命令：pip install pandas
在这里插入图片描述

2、输入命令：pip install matplotlib
在这里插入图片描述

3、输入命令：pip install seaborn
在这里插入图片描述

4、输入命令：pip install squarify
在这里插入图片描述

2.读取数据

在这里我们使用pandas库中的read_csv函数来读取这3个数据文件。

在这里插入图片描述

数据读取的结果：
在这里插入图片描述

3.数据处理

我们需要根据源表对目标表进行匹配查询，使用 merge 函数进行操作。
在这里插入图片描述
进行匹配操作后的数据（按部门排序）：

在这里插入图片描述

4.绘制板块层级图

1. 初始设置

x, y = 0, 0
width, height = 100, 100
cmap = matplotlib.cm.viridis

坐标与画布尺寸：初始化绘图起点 (0,0) 和默认画布尺寸 100x100。
颜色映射：使用Viridis颜色方案，颜色将映射到商品数量。

2. 数据归一化与颜色生成

mini, maxi = temp2.products_department.min(), temp2.products_department.max()
norm = matplotlib.colors.Normalize(vmin=mini, vmax=maxi)
colors = [cmap(norm(value)) for value in temp2.products_department]
colors[1] = "#FBFCFE"  # 特殊设置第二个部门的颜色

归一化：将 products_department（商品数量）的数值范围归一化到 [0,1]，便于映射到颜色。
颜色列表：为每个部门生成对应的颜色，颜色深浅表示商品数量的多少。
特殊颜色：手动将第二个部门的颜色设为浅灰色 #FBFCFE。

3. 标签生成

labels = [
    f"{dept}\n{aisle_num} 条通道\n{product_num} 种商品"
    for dept, aisle_num, product_num in zip(
        temp2.index,
        temp2.aisle_department,
        temp2.products_department
    )
]

格式化标签：每个部门的标签包含三行信息：
- 部门名称（temp2.index）
- 通道数量（aisle_department）
- 商品种类数量（products_department）

4. 绘图基础设置

fig = plt.figure(figsize=(12, 10))
ax = fig.add_subplot(111, aspect="equal")

画布与子图：创建12x10英寸的画布，并添加一个保持宽高比的子图。

5. 绘制树状图

squarify.plot(
    temp2.aisle_department,
    color=colors,
    label=labels,
    ax=ax,
    alpha=0.7
)

核心参数：
- sizes：aisle_department 列作为方块面积大小的依据（通道数量越多，方块越大）。
- color：颜色列表，反映商品数量。
- label：每个方块的标签。
- alpha：透明度设置为0.7，增强视觉效果。

6. 图表装饰

fig.suptitle("各部门内通道与商品的分布关系", fontsize=20, y=1.02)
ax.set_xticks([])
ax.set_yticks([])

标题：主标题位置略微上移（y=1.02）避免重叠。
隐藏坐标轴：树状图无需坐标轴刻度。

7. 颜色条

img = plt.imshow([temp2.products_department], cmap=cmap)
img.set_visible(False)
fig.colorbar(img, orientation="vertical", shrink=0.96)
fig.text(0.76, 0.9, "商品种类数", fontsize=14, ha='center')

隐式图像：通过一个隐藏的图像（set_visible(False)）关联颜色映射，用于生成颜色条。
颜色条位置与标签：右侧垂直颜色条，标注“商品种类数”说明颜色含义。

板块层级图效果如下：
在这里插入图片描述

四、总结与心得

本次实验围绕数据可视化中的比例数据展示展开，重点学习了如何通过板块层级图直观呈现树状结构数据的分布关系。实验以Python为工具，结合pandas、matplotlib和squarify等库，从数据读取、处理到可视化逐步实现。通过merge函数对数据进行整合匹配，利用归一化方法将商品数量映射为颜色深浅，并以通道数量决定矩形面积大小，最终通过squarify库绘制出层次分明的板块层级图。过程中特别关注了标签的格式化设计以及颜色条的添加，使得图表在视觉上既能清晰展示部门间的比例关系，又能通过颜色梯度反映商品种类的差异。

在实验过程中，最深刻的体会是数据预处理的重要性。无论是数据的合并还是归一化操作，都直接影响最终可视化的准确性和可读性。例如，通过手动调整特定区块的颜色，能够有效突出关键信息或适配背景需求，这体现了细节处理在数据呈现中的价值。此外，squarify库的简洁接口让复杂层级结构的可视化变得高效，但也需注意参数设置的逻辑，如面积依据与颜色映射的数据源需合理区分，避免混淆核心指标。