#!/usr/bin/env python
# coding: utf-8

# ### 透视表与热力图
# 
# 如果想查看论坛用户在各个地区的行业分布情况，或者说在不同行业的地区分布情况，就需要用到透视表
# 
# 开头的代码都是差不多的

# In[1]:


from model import Users, Provs, Industry

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


# In[2]:


u = (Users.select(Users.id, Provs.prov, Industry.industry)
     .join(Provs, on=(Users.prov==Provs.id))
     .join(Industry, on=(Users.industry==Industry.id)))

df = pd.DataFrame(list(u.dicts()))
df = df.drop(df.index[df['prov']=='350000'])


# In[3]:


df.head()


# 这里`groupby`完成后直接用了`count()`来计算数量（之前用的是`size()`，两者其实有很大差别，不再赘述）

# In[4]:


gdf = df.groupby(['prov', 'industry']).count().rename({'id': 'x'}, axis=1)#.sort_values('x', ascending=False)
gdf.head()


# 下面调用`pivot_table`后就能生成透视表了，最主要参数有4个：`index`，`columns`，`values`，`aggfunc`，这里就不做解释了，因为解释起来太复杂，我这智商只能看懂，不足以说清楚-_-|||

# In[5]:


locind = pd.pivot_table(gdf, index=['prov'], columns=['industry'], values=['x'], aggfunc=np.mean)
locind.T


# 透视表固然很好，但是上面这个38×34的大表就很不直观了，不过只要转换成热力图，就能够一目了然了
# 
# 这里用`seaborn`来生成热力图，`seaborn`对`matplotlib`进行了一次封装，提供了更方便的API。

# In[6]:


import seaborn as sns
sns.set(font="Microsoft YaHei")

f, ax = plt.subplots(figsize=(40, 20))

plt.subplots_adjust(top=0.85)
f.suptitle('地区-行业 热力图', fontsize=16)
sns.heatmap(locind.fillna(0), annot=True, cmap='Reds', fmt='.0f', linewidths=.5, ax=ax)

ax.set_xlabel('行业')
ax.xaxis.set_label_position('top')
ax.set_ylabel('地区')
ax.yaxis.set_label_position('left')

xticks = ['%s' % xt.get_text().strip('x-') for xt in ax.get_xticklabels()]
ax.set_xticklabels(xticks, rotation=90)
ax.xaxis.tick_top()

plt.show()


# > 不过，画个图还真是费劲呐