pip install matplotlib seaborn pandas numpy pyecharts

import pandas as pd

# 讀取CSV文件
df_csv = pd.read_csv('your_data.csv')

# 讀取Excel文件  
df_excel = pd.read_excel('your_data.xlsx', sheet_name='Sheet1')

import matplotlib.pyplot as plt
import numpy as np

# 生成模擬數(shù)據(jù)
data = np.random.rand(10, 10)  # 創(chuàng)建一個10行10列的隨機數(shù)組

# 繪制熱力圖
plt.figure(figsize=(8, 6))  # 設置圖形大小
plt.imshow(data, cmap='viridis', interpolation='nearest')
plt.colorbar()  # 添加顏色條
plt.title('Matplotlib熱力圖示例')
plt.show()

import seaborn as sns

# 使用Seaborn生成隨機數(shù)據(jù)
data = sns.randn(100, 10)

# 繪制熱力圖
plt.figure(figsize=(10, 8))
sns.heatmap(data, annot=True, fmt=".1f", cmap='coolwarm')
plt.title('Seaborn熱力圖示例')
plt.show()

from pyecharts import options as opts
from pyecharts.charts import HeatMap
import random

# 生成模擬數(shù)據(jù)
data = []
for i in range(24):
    for j in range(7):
        data.append([j, i, random.randint(0, 100)])

# 創(chuàng)建熱力圖
heatmap = (
    HeatMap()
    .add_xaxis(['周一', '周二', '周三', '周四', '周五', '周六', '周日'])
    .add_yaxis(
        "熱度",
        list(range(24)),
        data,
        label_opts=opts.LabelOpts(is_show=False),
    )
    .set_global_opts(
        title_opts=opts.TitleOpts(title="一周熱度分布"),
        visualmap_opts=opts.VisualMapOpts(min_=0, max_=100),
    )
)
heatmap.render("heatmap_example.html")  # 保存為HTML文件

# 專業(yè)熱力圖設置示例
plt.figure(figsize=(12, 10))

# 繪制熱力圖，添加更多參數(shù)
sns.heatmap(data,
            annot=True,           # 顯示數(shù)值
            fmt=".2f",           # 數(shù)值格式
            cmap='YlGnBu',       # 顏色方案
            linewidths=0.5,      # 單元格邊線寬度
            linecolor='white',   # 邊線顏色
            cbar_kws={'label': '數(shù)值大小'})  # 顏色條標簽

# 優(yōu)化標簽顯示
plt.xticks(rotation=45, ha='right')  # x軸標簽旋轉(zhuǎn)45度
plt.yticks(rotation=0)
plt.title('優(yōu)化后的熱力圖示例', fontsize=16, pad=20)
plt.xlabel('X軸標簽')
plt.ylabel('Y軸標簽')
plt.tight_layout()  # 自動調(diào)整布局
plt.show()

import pandas as pd

# 讀取數(shù)據(jù)（假設是CSV格式）
df = pd.read_csv('user_clicks.csv')

# 查看數(shù)據(jù)前幾行
print(df.head())

# 查看數(shù)據(jù)基本信息
print(df.info())

# 提取需要的數(shù)據(jù)列（假設數(shù)據(jù)包含time, page_url, clicks等列）
clicks_by_time_page = df.groupby(['hour', 'page_url'])['clicks'].sum().reset_index()

# 數(shù)據(jù)透視：將長格式轉(zhuǎn)換為寬格式
heatmap_data = clicks_by_time_page.pivot(index='page_url', columns='hour', values='clicks')

# 標準化處理（可選，使顏色對比更明顯）
heatmap_data_normalized = (heatmap_data - heatmap_data.min()) / (heatmap_data.max() - heatmap_data.min())

import seaborn as sns
import matplotlib.pyplot as plt

# 設置中文字體（如果需要顯示中文）
plt.rcParams['font.sans-serif'] = ['SimHei', 'Arial']
plt.rcParams['axes.unicode_minus'] = False

# 創(chuàng)建熱力圖
plt.figure(figsize=(14, 10))
sns.heatmap(heatmap_data_normalized,
            cmap='YlOrRd',
            annot=False,  # 數(shù)據(jù)多時不顯示具體數(shù)值
            linewidths=0.5,
            cbar_kws={'label': '標準化點擊量'})

# 添加標題和標簽
plt.title('電商平臺用戶點擊熱力圖（按頁面和時間）', fontsize=18, pad=20)
plt.xlabel('小時', fontsize=14)
plt.ylabel('頁面URL', fontsize=14)

# 調(diào)整x軸刻度
hours = list(range(24))
plt.xticks(ticks=[i+0.5 for i in hours], labels=hours, rotation=0)

plt.tight_layout()
plt.savefig('user_clicks_heatmap.png', dpi=300, bbox_inches='tight')
plt.show()