Отображение изменений в древовидной карте в matplotlib

Я пытаюсь создать это:

Данные для диаграммы:

import matplotlib.pyplot as plt
import numpy as np
import pandas as pd


data = {
    "year": [2004, 2022, 2004, 2022, 2004, 2022],
    "countries" : [ "Denmark", "Denmark", "Norway", "Norway","Sweden", "Sweden",],
    "sites": [4,10,5,8,13,15]
}
df= pd.DataFrame(data)
df['diff'] = df.groupby(['countries'])['sites'].diff()
df['diff'].fillna(df.sites, inplace=True)

df

Я знаю, что существуют пакеты, которые создают древовидные карты (квадратирование и построение графиков, например), но я не понял, как сделать приведенный выше пакет, в котором значения лет добавляются друг к другу. (или разницу, если быть точным), и было бы здорово научиться делать это в чистом matplotlib, если это не слишком сложно.

У кого-нибудь есть указатели? Я не нашел много информации о древовидных картах в Google.

Было бы точнее назвать ваш вопрос, показывая изменения в древовидной карте? Возможно, стоит написать весь алгоритм самостоятельно или это облегчит поиск подходов в существующих библиотеках.

cphlewis 05.03.2024 22:00

Вы правы, спасибо и готово

ruthpozuelo 05.03.2024 23:35

Более глубокая проблема; если ваши серии не монотонны в одном направлении, я не думаю, что вы сможете это использовать. Обратите внимание, что приведенное ниже решение каждый раз проверяет, какое значение больше. Но представьте, чтоНорвегияAfter меньше, чемНорвегияBefore: тогда разделение древовидной карты больших значений делится между двумя значениями After и одним значением Before, и это, вероятно, не имеет смысла.

cphlewis 06.03.2024 20:23

По крайней мере одна диссертация написана по временным рядам и древовидным картам! Отличный вопрос. Диссертация Чинталапани

cphlewis 06.03.2024 20:48
Почему в Python есть оператор "pass"?
Почему в Python есть оператор "pass"?
Оператор pass в Python - это простая концепция, которую могут быстро освоить даже новички без опыта программирования.
Некоторые методы, о которых вы не знали, что они существуют в Python
Некоторые методы, о которых вы не знали, что они существуют в Python
Python - самый известный и самый простой в изучении язык в наши дни. Имея широкий спектр применения в области машинного обучения, Data Science,...
Основы Python Часть I
Основы Python Часть I
Вы когда-нибудь задумывались, почему в программах на Python вы видите приведенный ниже код?
LeetCode - 1579. Удаление максимального числа ребер для сохранения полной проходимости графа
LeetCode - 1579. Удаление максимального числа ребер для сохранения полной проходимости графа
Алиса и Боб имеют неориентированный граф из n узлов и трех типов ребер:
Оптимизация кода с помощью тернарного оператора Python
Оптимизация кода с помощью тернарного оператора Python
И последнее, что мы хотели бы показать вам, прежде чем двигаться дальше, это
Советы по эффективной веб-разработке с помощью Python
Советы по эффективной веб-разработке с помощью Python
Как веб-разработчик, Python может стать мощным инструментом для создания эффективных и масштабируемых веб-приложений.
0
4
117
1
Перейти к ответу Данный вопрос помечен как решенный

Ответы 1

Ответ принят как подходящий

Эта задача состоит из двух частей.

  1. Вычисление макета прямоугольников.
  2. Рисуем прямоугольники.

Первая часть может оказаться весьма увлекательной: люди публикуют научные работы по теме. Здесь нецелесообразно изобретать велосипед. Однако вторая часть довольно проста и может быть выполнена в matplotlib.

В приведенном ниже решении используется squrify для вычисления макета с использованием большего значения для каждой пары значений, а затем matplotlib для рисования двух прямоугольников друг над другом.

import numpy as np
import matplotlib.pyplot as plt
import squarify

from matplotlib import colormaps
from matplotlib.colors import to_rgba

DEFAULT_COLORS = list(zip(colormaps["tab20"].colors[::2],
                          colormaps["tab20"].colors[1::2]))


def color_to_grayscale(color):
    # Adapted from: https://stackoverflow.com/a/689547/2912349
    r, g, b, a = to_rgba(color)
    return (0.299 * r + 0.587 * g + 0.114 * b) * a


class PairedTreeMap:

    def __init__(self, values, colors=DEFAULT_COLORS, labels=None, ax=None, bbox=(0, 0, 200, 100)):
        """
        Draw a treemap of value pairs.

        values : list[tuple[float, float]]
            A list of value pairs.

        colors : list[tuple[RGBA, RGBA]]
            The corresponding color pairs. Defaults to light/dark tab20 matplotlib color pairs.

        labels : list[str]
            The labels, one for each pair.

        ax : matplotlib.axes._axes.Axes
            The matplotlib axis instance to draw on.

        bbox : tuple[float, float, float, float]
            The (x, y) origin and (width, height) extent of the treemap.

        """

        self.ax = self.initialize_axis(ax)
        self.rects = self.get_layout(values, bbox)
        self.artists = list(self.draw(self.rects, values, colors, self.ax))

        if labels:
            self.labels = list(self.add_labels(self.rects, labels, values, colors, self.ax))


    def get_layout(self, values, bbox):
        maxima = np.max(values, axis=1)
        order = np.argsort(maxima)[::-1]
        normalized_maxima = squarify.normalize_sizes(maxima[order], *bbox[2:])
        rects = squarify.padded_squarify(normalized_maxima, *bbox)
        reorder = np.argsort(order)
        return [rects[ii] for ii in reorder]


    def initialize_axis(self, ax=None):
        if ax is None:
            fig, ax = plt.subplots()
        ax.set_aspect("equal")
        ax.axis("off")
        return ax


    def _get_artist_pair(self, rect, value_pair, color_pair):
        x, y, w, h = rect["x"], rect["y"], rect["dx"], rect["dy"]
        (small, large), (color_small, color_large) = zip(*sorted(zip(value_pair, color_pair)))
        ratio = np.sqrt(small / large)
        return (plt.Rectangle((x, y), w,         h,         color=color_large, zorder=1),
                plt.Rectangle((x, y), w * ratio, h * ratio, color=color_small, zorder=2))


    def draw(self, rects, values, colors, ax):
        for rect, value_pair, color_pair in zip(rects, values, colors):
            large_patch, small_patch = self._get_artist_pair(rect, value_pair, color_pair)
            ax.add_patch(large_patch)
            ax.add_patch(small_patch)
            yield(large_patch, small_patch)
        ax.autoscale_view()


    def add_labels(self, rects, labels, values, colors, ax):
        for rect, label, value_pair, color_pair in zip(rects, labels, values, colors):
            x, y, w, h = rect["x"], rect["y"], rect["dx"], rect["dy"]
            # decide a fontcolor based on background brightness
            (small, large), (color_small, color_large) = zip(*sorted(zip(value_pair, color_pair)))
            ratio = small / large
            background_brightness = color_to_grayscale(color_large) if ratio < 0.33 else color_to_grayscale(color_small) # i.e. 0.25 + some fudge
            fontcolor = "white" if background_brightness < 0.5 else "black"
            yield ax.text(x + w/2, y + h/2, label, va = "center", ha = "center", color=fontcolor)


if __name__ == "__main__":

    values = [
        (4, 10),
        (13, 15),
        (5, 8),
    ]

    colors = [
        ("red", "coral"),
        ("royalblue", "cornflowerblue"),
        ("darkslategrey", "gray"),
    ]

    labels = [
        "Denmark",
        "Sweden",
        "Norway"
    ]

    PairedTreeMap(values, colors=colors, labels=labels, bbox=(0, 0, 100, 100))
    plt.show()


Возможно, проверьте монотонность рядов данных, прежде чем что-либо строить, и предупредите, если они не имеют одного и того же направления. Я думаю, что древовидная карта — неправильный макет для этого случая. Если все они одного направления, внутренний код упрощается, и добавление легенды тоже.

cphlewis 06.03.2024 20:25

@cphlewis Изменения не обязательно должны быть в одном направлении, главное, чтобы цвета были правильно выбраны. Я думаю, что разные уровни насыщенности хорошо помогают указать «до» и «после».

Paul Brodersen 07.03.2024 01:23

Хотя я согласен, что это не обязательно будет моей предпочтительной визуализацией для парных данных, если только я не буду также заботиться об общем объеме (в этом случае все пары лучше монотонно возрастать, так что, я думаю, точка принята).

Paul Brodersen 07.03.2024 01:30

Я решил, что это не простой ответ, поскольку я не видел много результатов на древовидных картах. Спасибо! Я просмотрю код, чтобы посмотреть, смогу ли я в нем разобраться. Визуализация была взята с веб-сайта 100datavizproject, где они пытаются визуализировать один набор данных 100 различными способами, независимо от эффективности визуализации. Я просто пытаюсь воссоздать их все, чтобы изучить matplotlib.

ruthpozuelo 07.03.2024 13:23

Другие вопросы по теме