使用Python制作气泡热图的示例代码_Python

在数据分析和可视化中，气泡热图是一种非常直观的工具，可以展示数据之间的关系和强度。今天，我将带你一步步学会如何用python制作一个气泡热图。别担心，我会用最简单的方式解释每一个步骤，即使你没有编程基础也能轻松上手！

一、什么是气泡热图

气泡热图是一种结合了气泡图和热图特点的可视化图表。它通过气泡的大小和颜色来表示数据的强度，同时通过位置来展示数据的分类或分组。这种图表非常适合展示多个变量之间的关系，例如不同样本之间的某种属性强度。

二、我们需要什么样的数据

在制作气泡热图之前，我们需要准备以下类型的数据：

两个分类变量：这两个变量将决定气泡的位置。例如，x轴可以是一个分类变量（如不同的类别或分组），y轴是另一个分类变量。

一个数值变量：这个变量决定了气泡的大小和颜色，通常表示某种强度或值的大小。

在我们的代码示例中，我们用的是随机生成的数据，但如果你有自己的数据，可以按照类似的结构准备。比如：

x轴：1到10的类别（可以是任何分组）。
y轴：1到10的样本（也可以是其他分组）。
每个气泡的大小和颜色由一个10×10的矩阵决定，矩阵中的每个值表示气泡的强度。

三、开始制作气泡热图

1. 安装必要的库

在开始之前，我们需要安装两个python库：numpy和matplotlib。这两个库分别用于处理数据和绘图。

如果你还没有安装，可以通过以下命令安装：

pip install numpy matplotlib

2. 准备代码

接下来，我们来看看代码的每一步。

（1）导入库

import numpy as np
import matplotlib.pyplot as plt

numpy用于处理数据，比如生成网格和随机数。
matplotlib.pyplot用于绘图。

（2）创建示例数据

k = np.arange(1, 11)  # x轴的分类变量
samples = np.arange(1, 11)  # y轴的分类变量
x, y = np.meshgrid(k - 0.5, samples - 0.5)  # 气泡中心位于格子中心
z = np.random.rand(10, 10)  # 随机生成的强度数据

k和samples分别是x轴和y轴的分类变量。
x, y是通过meshgrid生成的网格，用于确定气泡的中心位置。
z是一个10×10的矩阵，表示每个气泡的强度（随机生成的）。

（3）设置气泡大小

max_bubble_diameter = 0.8  # 最大气泡直径
bubble_sizes = z * max_bubble_diameter**2 * 800  # 调整大小比例因子

气泡的大小与z成正比，但最大直径被限制为0.8，以避免气泡之间重叠。

（4）绘制气泡图

plt.figure(figsize=(10, 8))  # 设置图形大小
scatter = plt.scatter(x, y, s=bubble_sizes, c=z, cmap='viridis', alpha=0.7, edgecolors="black", linewidth=1)

使用scatter绘制气泡图。
s参数设置气泡大小。
c参数设置气泡颜色，颜色由z决定。
cmap='viridis'设置了颜色映射，你可以换成其他颜色映射（如'plasma'或'coolwarm'）。
alpha是透明度，edgecolors和linewidth设置了气泡的边框颜色和宽度。

（5）添加颜色条

cbar = plt.colorbar(scatter)
cbar.set_label('bubble intensity', fontsize=12)

颜色条可以帮助我们理解气泡颜色的含义。

（6）设置标题和标签

plt.title("bubble heatmap plot", fontsize=18, fontweight='bold')
plt.xlabel("k (w)", fontsize=14)
plt.ylabel("samples", fontsize=14)

标题和坐标轴标签让图表更清晰。

（7）设置坐标轴刻度和范围

plt.xticks(k, fontsize=12)
plt.yticks(samples, fontsize=12)
plt.xlim(0, 10)
plt.ylim(0, 10)

确保气泡对齐在格子内，避免被切割。

（8）添加网格

plt.grid(true, which='both', axis='both', linestyle='-', linewidth=1, color='black')

网格可以帮助我们更好地理解气泡的位置。

（9）调整布局并显示图形

plt.tight_layout(pad=0.1)  # 调整布局
plt.show()  # 显示图形

四、运行代码，查看结果

将上述代码复制到你的python环境中，运行后你将看到一个漂亮的气泡热图！你可以尝试修改数据或颜色映射，看看会发生什么变化。

完整代码如下：

import numpy as np
import matplotlib.pyplot as plt
# 创建示例数据
k = np.arange(1, 11)
samples = np.arange(1, 11)
x, y = np.meshgrid(k - 0.5, samples - 0.5)  # 气泡中心位于格子中心
z = np.random.rand(10, 10)
# 设置气泡大小，大小与数据z成正比，但限制最大直径为0.8
max_bubble_diameter = 0.8  # 最大气泡直径
bubble_sizes = z * max_bubble_diameter**2 * 800  # 调整大小比例因子以适应最大直径限制
# 创建气泡图
plt.figure(figsize=(10, 8))
# 绘制气泡图，使用 'viridis' 色系
scatter = plt.scatter(x, y, s=bubble_sizes, c=z, cmap='viridis', alpha=0.7, edgecolors="black", linewidth=1)
# 添加颜色条
cbar = plt.colorbar(scatter)
cbar.set_label('bubble intensity', fontsize=12)
# 设置标题和标签
plt.title("bubble heatmap plot", fontsize=18, fontweight='bold')
plt.xlabel("k (w)", fontsize=14)
plt.ylabel("samples", fontsize=14)
# 设置坐标轴刻度，确保气泡对齐在格子内
plt.xticks(k, fontsize=12)
plt.yticks(samples, fontsize=12)
# 添加网格，清晰展示格子边框
plt.grid(true, which='both', axis='both', linestyle='-', linewidth=1, color='black')
# 设置坐标轴范围，使气泡显示在格子内，避免气泡被切割
plt.xlim(0, 10)
plt.ylim(0, 10)
# 调整布局，确保图形无多余空白并完整显示
plt.tight_layout(pad=0.1)  # 适当减小边缘空白
# 显示图形
plt.show()