使用python繪製視覺化--樹狀圖(Treemap)

樹狀圖在某些特點上跟泡泡圖的類似，都可以提供不只1個維度的資訊，並透過形狀大小、顏色來呈現。但是比較不同的地方是樹狀圖有層級的概念，可以用來呈現階層式資料。例如將全臺灣當作第一層，縣市當做第二層(分支)，再下一層則是縣市人口年齡組成。

在這基本概念下利用python的Plotly套件來繪製堆疊區域圖。這次以2013-2016年國民營養健康調查報告書中的數據為例。

以下針對2013-2016年國民營養健康調查做簡單的介紹:

²  目的：隨時代改變人們飲食習慣也隨之改變，為了對國人的營養健康狀況有所了解，從1980年開始委託衛生署食品衛生處、衛生署食品藥物管理局定期辦理全國性營養健康調查，2013年起改由衛生福利部國民健康署定期辦理。2013-2016年的調查為第五次的國民營養調查。

²  調查對象：所有居住在臺灣本島及澎湖設有戶籍的人口，依據縣市人口比例分層集束抽樣，進行家戶田野調查。

²  問卷：除人口社經等基本資料的收集外，包含24小時飲食回顧、飲食頻率、疾病史、營養知識態度與行為、活動量等相關問卷以及身體健康檢查資料。

2013-2016年總計問卷完訪人數有11,072人，體檢人數為9746人。

十大死因中心血管疾病常常榜上有名，可見一直是國人重要的死亡原因之一，但因疾病病徵較不明顯，相較於癌症來說反而容易受到忽略，但實則不可輕忽，應即早預防與控制，其中抽煙、高血壓、糖尿病、高血脂等都是心血管疾病的危險因子，本次以高膽固醇數據做示範，了解2013-2015年不同年齡層高膽固醇盛行的情況。

操作步驟

1.選定主題，準備素材

以2013-2016年國民營養健康調查中高膽固醇盛行率為例(衛生福利部國民健康署公告的資料)，了解不同年齡層收到的檢體中，高膽固醇盛行的形況。開始執行前，尚未安裝plotly者需要先安裝幾個套件plotly、numpy以及squarify，在Window環境下，開起命令提示字元，輸入pip install plotly，其他套件也以相同的方式匯入，安裝完成後，就可進入繪圖步驟。

用Squarify這個套件來計算圖形區域的分割，一個大正方形的區域依照比例分割成幾個不同大小的矩形，並運算每個放入的矩形的長寬比需盡量接近1(正方形)，當矩形長寬比違反這個情況時，會調整矩行放入的位置至最適情況。

2.確認繪圖需要用到的參數:

因為目前plotly的繪圖沒有辦法像tableau那麼方便，如果要到2層的樹狀結構圖(treemap)，就必須藉由半手動的方式達成，第一層變量為年齡分層的採檢人數，方塊的大小由檢體採檢人數多寡決定，這部份可由套件直接計算，第二層為年齡分層的盛行率，盛行率高低的由顏色深淺表示，這部份就只能夠過手動設定調整。

3.繪製樹狀圖treemap

這次採用各分層在同一圖層做建構，省去合併處理的語法。

import plotly.plotly as py
import plotly.graph_objs as go
import numpy as np
import squarify
 
#設定x,y軸的起始值
x = 0.
y = 0.
#設定圖的大小
width = 100.
height = 100.
 
normed = squarify.normalize_sizes(df["pop"], width, height) #df["pop"]為帶入的數據
rects = squarify.squarify(normed, x, y, width, height)
 
color_brewer=df["color"].tolist() #色彩於讀入的表格中已設好，將之轉為串列
z=np.random.randint(4, 30, size=20) #設定色標的範圍
colorscale=[[0.0, 'rgb(169,233,207)'], [0.5, 'rgb(81,211,158)'],[1.0, 'rgb(37,147,102)']] #設定色標的色彩
shapes = []
annotations = []
counter = 0
 
for r in rects:
    shapes.append(
        dict(
            type = 'rect',
            x0 = r['x'],
            y0 = r['y'],
            x1 = r['x']+r['dx'],
            y1 = r['y']+r['dy'],
            line = dict( width = 1, color="white"), #設定treemap框線的粗細及色彩
            fillcolor = color_brewer[counter], #設定填入的色彩
        )
    )
    annotations.append(
        dict(
            x = r['x']+(r['dx']/2),
            y = r['y']+(r['dy']/2),
            text = "年齡"+df["age"][counter]+"\n"+"人數:"+str(value[counter])+"\n"+"盛行率:"+str(df["value"][counter])+"%", #設定框內文字敘述
             font=dict(color="black",size=14,family='微軟正黑體'), #設定框內字體及大小
            showarrow = False))
    counter = counter + 1
    if counter >= len(color_brewer):
        counter = 0
print(shapes)
# For hover text
trace0 = go.Scatter(
    x = [ r['x']+(r['dx']/2) for r in rects],
    y = [ r['y']+(r['dy']/2) for r in rects],
    text = [ str(v) for v in value],
    mode = 'markers',
    marker=dict(color=z,colorscale=colorscale, size=14, colorbar=dict(thickness=20)) #將已設定好的色標參數帶入
)
 
layout = dict(
    height=700,
    width=700,
    xaxis=dict(showgrid=False,zeroline=False,showticklabels=False),
    yaxis=dict(showgrid=False,zeroline=False,showticklabels=False),
    shapes=shapes,
    annotations=annotations,
    hovermode='closest'
)
 
figure = dict(data=[trace0], layout=layout)
 
py.iplot(figure, filename='squarify-treemap')