降低指数报价频率

Question

我有这个样本数据：

import matplotlib.pyplot as plt
from matplotlib.patches import Patch
import seaborn as sns
import pandas as pd

df = pd.DataFrame({'AAAAAAAAAAAAAAAAAAAA': np.random.choice([False,True], 100000),
                   'BBBBBBBBBBBBBBBBBBBB': np.random.choice([False,True], 100000),
                   'CCCCCCCCCCCCCCCCCCCC': np.random.choice([False,True], 100000)},
                  index= np.random.choice([202006,202006, 202006,202005,202005,202005,202004,202004,202003], 100000)).sort_index(ascending=False)

有了这个情节：

fig, ax = plt.subplots(figsize=(5, 6))
cmap = sns.mpl_palette("Set2", 2)
sns.heatmap(data=df, cmap=cmap, cbar=False)
plt.xticks(rotation=90, fontsize=10)
plt.yticks(rotation=0, fontsize=10)

legend_handles = [Patch(color=cmap[True], label='Missing Value'),  # red
                  Patch(color=cmap[False], label='Non Missing Value')]  # green
plt.legend(handles=legend_handles, ncol=2, bbox_to_anchor=[0.5, 1.02], loc='lower center', fontsize=8, handlelength=.8)
plt.tight_layout()
plt.show()

由于变量名称的长度而发生重叠（我无法更改它们，因为它们在我的真实情节中提供了丰富的信息）。所以，我需要减少 y 刻度的频率，它可能是每个值两个刻度（当月份变化时），或者只是？ 消除您在上图中看到的重叠。这个图的 y-ticks 需要清楚地显示下个月的开始和结束时间（202006 表示 2020 年 6 月），因为有了我拥有的真实数据，我可以看到整整一个月的数据是否丢失（或更多月）适用于任何变量。

我发现的所有可能的适应性解决方案都基于当刻度来自列时：Change tick frequency、adding space between ticks labels、increase spacing between ticks 等。但我仍在为任何适应而苦苦挣扎。

有什么建议吗？

注意：您不能增加/减少图形的大小。

Answer 1

创建您的 DataFrame 并稍作修正，即设置数字 元素作为变量（n）：

n = 100000
df = pd.DataFrame({'AAAAAAAAAAAAAAAAAAAA': np.random.choice([False,True], n),
                   'BBBBBBBBBBBBBBBBBBBB': np.random.choice([False,True], n),
                   'CCCCCCCCCCCCCCCCCCCC': np.random.choice([False,True], n)},
    index = np.random.choice([202006,202006, 202006,202005,202005,202005,
        202004,202004,202003], n)).sort_index(ascending=False)

然后运行您的绘图代码并进行另外 2 处更正，即：

• 设置yLabelNo = 10（y个标签的数量），
• 将yticklabels=n // yLabelNo 传递给sns.heatmap。

所以代码是：

    yLabelNo = 10
    fig, ax = plt.subplots(figsize=(5, 6))
    cmap = sns.mpl_palette("Set2", 2)
    sns.heatmap(data=df, cmap=cmap, cbar=False, yticklabels=n // yLabelNo)
    plt.xticks(rotation=90, fontsize=10)
    plt.yticks(rotation=0, fontsize=10)
    legend_handles = [Patch(color=cmap[True], label='Missing Value'),  # red
                      Patch(color=cmap[False], label='Non Missing Value')]  # green
    plt.legend(handles=legend_handles, ncol=2, bbox_to_anchor=[0.5, 1.02],
        loc='lower center', fontsize=8, handlelength=.8)
    plt.tight_layout()
    plt.show()

结果是：

如果您愿意，可以尝试使用 yLabelNo 的其他（可能更小）值。