比例数据可视化--绘制板块层级图

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。
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

1. 掌握数据文件读取
2. 掌握数据处理的方法
3. 实现板块层级图的绘制
4. 检查实验环境:
   OS：win10
   python：v3.6

三、实验步骤

安装实验所需包

一、安装pandas、matplotlib、seaborn、squarify

二、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

对前几行的数据进行读取

三、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

进行匹配操作后的数据：

四、绘制板块层级图
绘制初始的板块层级图

设置 x、y 轴的属性：
添加图表标题，添加数据标签

板块层级图效果如下

---

四、代码知识点总结

1. 库的导入与配置

   • 数据操作：pandas用于数据操作，seaborn增强可视化效果
   • 可视化：matplotlib基础绘图，squarify绘制树形图
   • 中文支持：通过 rcParams 配置中文字体和符号显示

2. 数据加载与合并

   • 使用 pd.read_csv() 加载CSV数据
   • 多表关联：通过 pd.merge() 实现左连接（how='left'）

3. 数据预处理

   • 列选择：temp = order_products_prior_df[['col1', 'col2']]
   • 聚合统计：groupby() 结合 nunique() 计算唯一值数量
   • 数据拼接：pd.concat() 横向合并聚合结果

4. 数据排序与索引设置

   • set_index() 设置索引列
   • sort_values() 按指定列降序排序

5. 可视化配置

   • 颜色映射：使用 matplotlib.cm.viridis 颜色方案
   • 归一化处理：Normalize() 将数据映射到颜色区间
   • 标签生成：通过 f-string 和 zip() 动态生成多行标签

6. 树形图绘制

   • 使用 squarify.plot() 绘制板块层级图
   • 参数控制：alpha 调整透明度，aspect="equal" 保持比例
   • 隐藏坐标轴：set_xticks([]) 和 set_yticks([])

7. 颜色条与标注

   • 通过伪图像 (imshow) 添加颜色条 (colorbar)
   • fig.text() 添加颜色条标题

8. 图形优化

   • plt.tight_layout() 自动调整子图布局
   • fig.suptitle() 设置主标题位置

---

分步代码解析

# 1. 库导入与配置
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
im