热力图是一种数据可视化技术，它通过颜色的变化来展示数据的分布情况，在热力图中，用颜色的深浅程度来表示数据值的大小，通常颜色越深表示数据值越大或者数据越密集，颜色越浅表示数据值越小或者数据越稀疏。
如下选取了近30期的开奖号码数据，数据呈现不规则，需要使用Python进行数据处理，将其处理为标准数据。
import pandas as pd
#数据导入
df=pd.read_excel(r'D:\系统桌面(勿删)\Desktop\双色球中奖号码.xlsx',usecols=['期号','开奖日期','开奖号码'],dtype={'期号': str,'开奖号码': str})
#数据筛选
df=df.iloc[1:]
#向下填充
df_ffilled = df.fillna(method='ffill')
#中奖号码分组聚合
result = df_ffilled.groupby(['期号','开奖日期']).apply(lambda x: x['开奖号码'].to_list()).reset_index()
result.rename(columns={0:'中奖号码'},inplace=True)#重命名
result.head()#数据预览
#中奖号码分列
result['中奖号码'] = result['中奖号码'].astype(str)
result['中奖号码']=result['中奖号码'].str.replace("[","")
result['中奖号码']=result['中奖号码'].str.replace("]","")
result['中奖号码']=result['中奖号码'].str.replace("'","")
df_split=result['中奖号码'].str.split(',',expand=True)
df_split.head()
#对每一位的中奖号码统计出现次数
df1=df_split.groupby(0).size()
df2=df_split.groupby(1).size()
df3=df_split.groupby(2).size()
df4=df_split.groupby(3).size()
df5=df_split.groupby(4).size()
df6=df_split.groupby(5).size()
df7=df_split.groupby(6).size()
print(df1,df2,df3,df4,df5,df6,df7)
#横向表合并（行对齐）
data=pd.concat([df1,df2,df3,df4,df5,df6,df7],axis=1,sort=True)
data=data.fillna(0)#空值NaN替换为0
data=data.round(0).astype(int) #浮点数转换为整数
data.head()
import matplotlib.pyplot as plt
import seaborn as sns
sns.set()#使用默认设置
plt.figure(figsize=(6,9))#设置图片大小
plt.rcParams['font.sans-serif'] = ['SimHei']#显示中文
plt.title('双色球中奖数字热力图')
#绘制热力图，annot显示数值 vmin,vmax用于设置颜色映射的数值范围 cmap颜色映射
sns.heatmap(data,annot=True,vmin=0,vmax=5,cmap="Blues")
#坐标轴设置
plt.xlabel('双色球位数')
plt.ylabel('双色球数字')
x=['红球1','红球2','红球3','红球4','红球5','红球6','蓝球1']
plt.xticks(range(0,7,1),x,ha='left')
plt.show()
-
红球1：1出现7次，2出现7次 -
红球2：8出现5次 -
红球3：13出现4次 -
红球4：25出现4次 -
红球5：25出现4次，29出现4次，30出现4次 -
红球6：33出现5次 -
蓝球1：4出现5次
以上，使用seaborn绘制一个双色球热力图，热力图上呈现每个中奖号码的出现频次，频率越高，热力图上的颜色就越深，借助案例演示数据可视化在实际生活中的应用，如果你想学习更多数据可视化内容，可以关注我，持续分享数据分析内容~
后台回复数据分析入门，获取数据分析入门资料
关注和星标『大话数据分析』
三年互联网数据分析经验，擅长Excel、SQL、Python、PowerBI数据处理工具，数据可视化、商业数据分析技能，统计学、机器学习知识，持续创作数据分析内容，点赞关注，不迷路。