从SQLite数据库中检索和绘制有序的2D热图数据

时间:2015-02-05 14:06:03

标签: python sql sqlite matplotlib pandas

本周大部分时间我一直在努力解决这个问题,我认为我可能最适合在这里寻求帮助。我有一个存储在SQLite数据库中的2D数组数据,我想要获取和可视化。虽然我不知道如何处理,但是我需要如何获取和绘制数据有很多限制。

所以,我有一个数据库,其中的表包含如下内容:

| ID | SourceID | TargetID | Parameter | Values  |
| 1  |    21    |    34    | 23.46513  | 0.12654 |
| 2  |    21    |    34    | 23.46513  | 0.25478 |
| 3  |    21    |    46    | 23.46513  | 0.43564 |
| 4  |    21    |    46    | 23.46513  | 1.02487 |
| 5  |    34    |    21    | 14.56319  | 0.01476 |
| 6  |    34    |    21    | 14.56319  | 0.87265 |
| 7  |    34    |    46    | 14.56319  | 0.46478 |
| 8  |    34    |    46    | 14.56319  | 0.13665 |
| 9  |    46    |    21    | 7.99581   | 0.04189 |
| 10 |    46    |    21    | 7.99581   | 0.91754 |
| 11 |    46    |    34    | 7.99581   | 0.73688 |
| 12 |    46    |    34    | 7.99581   | 0.24299 |

此数据集的一些功能需要注意:

  • ID是关键,是唯一的
  • SourceIDTargetID值来自同一组。在这种情况下,它们都包含{21,34,46}。 SourceID列构成热图的x轴数据,TargetID列构成y轴数据。
  • Values列包含必须在热图中绘制的数据。
  • Parameter列是我需要用来对数据进行排序的列,因为我需要创建一个有序的热图。在这种情况下,Parameter基于与每个SourceIDTargetID相关联的值。

下表显示了每个SourceId / TargetIdParameter值的关联:

| SourceID/TargetID | Parameter |
|       46          | 7.99581   |
|       34          | 14.56319  |
|       21          | 23.46513  |

根据我提出的另一个question,我知道我可以根据SourceId的最小值将此表格缩减为(TargetIdValues)的唯一组合使用SQL查询,如:

SELECT SourceID, TargetID, min(Values)
  FROM dataset
  GROUP BY SourceID, TargetID;

这会产生以下缩小表:

| ID | SourceID | TargetID | SourceSort | Values  |
| 1  |    21    |    34    |  23.46513  | 0.12654 |
| 3  |    21    |    46    |  23.46513  | 0.43564 |
| 5  |    34    |    21    |  14.56319  | 0.01476 |
| 8  |    34    |    46    |  14.56319  | 0.13665 |
| 9  |    46    |    21    |  7.99581   | 0.04189 |
| 12 |    46    |    34    |  7.99581   | 0.24299 |

我挣扎的是我现在需要根据Parameter中的值来订购此表。如果我将ORDER BY Parameter添加到SQL查询中,它会成功排序SourceID列,但TargetID列不会根据此列对具有相同{{1}的行进行排序}}。简而言之,我想获得下表:

SourceID

此排序的基础示例:首先使用| ID | SourceID | TargetID | Values | | 12 | 46 | 34 | 0.24299 | | 9 | 46 | 21 | 0.04189 | | 8 | 34 | 46 | 0.13665 | | 5 | 34 | 21 | 0.01476 | | 3 | 21 | 46 | 0.43564 | | 1 | 21 | 34 | 0.12654 | 值基于SourceID排序对表进行排序。随后,对于Parameter值相等的行,TargetID基于Parameter排序进行排序,例如,第1行(SourceID)在第2行之前排序({{ 1}})因为ID=8应该根据相关的ID=5值在TargetID = 46之前进行排序。

最后,通过此表,我需要构建一个热图:

TargetID = 21

为实现这一目标,我使用Parameter (TargetID ordered by `Parameter ASC`) ^ | | ---------------------------------- 21 | 0.04189 | 0.01476 | 0 | ---------------------------------- 34 | 0.24299 | 0 | 0.12654 | ---------------------------------- 46 | 0 | 0.13665 | 0.43564 | ---------------------------------- | 46 | 34 | 21 --> (SourceID ordered by `Parameter ASC`) 库,并使用Python函数执行SQL查询。我发现我可以使用Pandas read_sql()函数来绘制热图。我想使用色彩图在2D数组中绘制值,并且我希望数据集的排序与上面完全相同。最后,我想将matplotlibpcolor()值绘制为刻度标签。

这似乎应该是可行的,但到目前为止,我只能根据SourceID生成没有排序的热图。我不知道我是否最适合直接在SQL语句中解决排序位,或者我是否应该获取数据然后对{{1}返回的TargetID进行排序}}

无论如何,我非常感谢输入!如果有任何不清楚的地方,请告诉我,我会尝试澄清。

谢谢!

2 个答案:

答案 0 :(得分:0)

您的sqlite表格格式不正确,因为参数值仅反映 参数与SourceID的关联,但不是TargetID。

最好有两张桌子:

<强> ID_PARAM

id  parameter
21   23.46513
34   14.56319
46    7.99581

数据集 - 请注意,此处没有参数列:

ID  SourceID  TargetID   Values
 1        21        34  0.12654
 2        21        34  0.25478
 3        21        46  0.43564
 4        21        46  1.02487
 5        34        21  0.01476
 6        34        21  0.87265
 7        34        46  0.46478
 8        34        46  0.13665
 9        46        21  0.04189
10        46        21  0.91754
11        46        34  0.73688
12        46        34  0.24299

然后您可以使用JOIN在两者之间形成所需的关联 SourceID /参数和TargetID /参数:

    SELECT d.SourceID, d.TargetID, min(d.`Values`) as min_value
      FROM dataset d
      JOIN id_param as ip1
      ON d.SourceID = ip1.id
      JOIN id_param as ip2
      ON d.TargetID = ip2.id
      GROUP BY SourceID, TargetID
      ORDER BY ip1.parameter ASC, ip2.parameter ASC

例如,

import io
import sqlite3
import pandas as pd
import matplotlib.pyplot as plt

text = '''\
| ID | SourceID | TargetID | Parameter | Values  |
| 1  |    21    |    34    | 23.46513  | 0.12654 |
| 2  |    21    |    34    | 23.46513  | 0.25478 |
| 3  |    21    |    46    | 23.46513  | 0.43564 |
| 4  |    21    |    46    | 23.46513  | 1.02487 |
| 5  |    34    |    21    | 14.56319  | 0.01476 |
| 6  |    34    |    21    | 14.56319  | 0.87265 |
| 7  |    34    |    46    | 14.56319  | 0.46478 |
| 8  |    34    |    46    | 14.56319  | 0.13665 |
| 9  |    46    |    21    | 7.99581   | 0.04189 |
| 10 |    46    |    21    | 7.99581   | 0.91754 |
| 11 |    46    |    34    | 7.99581   | 0.73688 |
| 12 |    46    |    34    | 7.99581   | 0.24299 |'''

def make_table(filename):
    # make sqlite table
    with sqlite3.connect(filename) as con:
        df = pd.read_table(io.BytesIO(text), sep=r'\s*[|]\s*').iloc[:, 1:-1]
        df.to_sql('dataset', con=con, if_exists='replace')


filename = '/tmp/data.sqlite'
make_table(filename)

with sqlite3.connect(filename) as con:
    con.execute('DROP TABLE id_param')

    sql = '''CREATE TABLE id_param 
             (id INTEGER PRIMARY KEY, parameter INTEGER)'''
    con.execute(sql)

    sql = '''INSERT INTO id_param
             SELECT SourceID, Parameter
             FROM dataset
             GROUP BY SourceID'''
    con.execute(sql)

    sql = '''
        SELECT d.SourceID, d.TargetID, min(d.`Values`) as min_value
          FROM dataset d
          JOIN id_param as ip1
          ON d.SourceID = ip1.id
          JOIN id_param as ip2
          ON d.TargetID = ip2.id
          GROUP BY SourceID, TargetID
          ORDER BY ip1.parameter ASC, ip2.parameter ASC
    '''
    df = pd.read_sql(sql, con)
    print(df)

产量

   SourceID  TargetID  min_value
0        46        34    0.24299
1        46        21    0.04189
2        34        46    0.13665
3        34        21    0.01476
4        21        46    0.43564
5        21        34    0.12654

答案 1 :(得分:0)

将sqlite表转换为Matplotlib pcolor格式的最简单方法(我看)需要绘制热图是使用Pandas DataFrame的pivot方法。由于此pivot将对列和行重新排序,因此无需对SQL查询生成的顺序进行大惊小怪。相反,更容易在Pandas中修复订单:

import io
import sqlite3
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

text = '''\
| ID | SourceID | TargetID | Parameter | Values  |
| 1  |    21    |    34    | 23.46513  | 0.12654 |
| 2  |    21    |    34    | 23.46513  | 0.25478 |
| 3  |    21    |    46    | 23.46513  | 0.43564 |
| 4  |    21    |    46    | 23.46513  | 1.02487 |
| 5  |    34    |    21    | 14.56319  | 0.01476 |
| 6  |    34    |    21    | 14.56319  | 0.87265 |
| 7  |    34    |    46    | 14.56319  | 0.46478 |
| 8  |    34    |    46    | 14.56319  | 0.13665 |
| 9  |    46    |    21    | 7.99581   | 0.04189 |
| 10 |    46    |    21    | 7.99581   | 0.91754 |
| 11 |    46    |    34    | 7.99581   | 0.73688 |
| 12 |    46    |    34    | 7.99581   | 0.24299 |'''

def make_table(filename):
    # make sqlite table
    with sqlite3.connect(filename) as con:
        df = pd.read_table(io.BytesIO(text), sep=r'\s*[|]\s*').iloc[:, 1:-1]
        df.to_sql('dataset', con=con, if_exists='replace')

filename = '/tmp/data.sqlite'
make_table(filename)

with sqlite3.connect(filename) as con:
    sql = '''
        SELECT SourceID, TargetID, min(`Values`) as min_value
          FROM dataset 
          GROUP BY SourceID, TargetID
    '''
    df = pd.read_sql(sql, con)
    table = df.pivot(index='SourceID', columns='TargetID', values='min_value')

    sql = 'SELECT DISTINCT SourceID FROM dataset ORDER BY Parameter ASC'
    order = pd.read_sql(sql, con)['SourceID']
    table = table.reindex(index=order, columns=order)

    fig, ax = plt.subplots()
    ax.pcolor(table.values, cmap=plt.get_cmap('jet'), 
              vmin=df['min_value'].min(), vmax=df['min_value'].max())
    ax.set_xticks(np.arange(table.shape[1] + 1)+0.5, minor=False)
    ax.set_xticklabels(table.columns, minor=False)
    ax.set_yticks(np.arange(table.shape[0] + 1)+0.5, minor=False)
    ax.set_yticklabels(table.index, minor=False)
    ax.set_xlim(0, table.shape[1])
    ax.set_ylim(0, table.shape[0])
    plt.show()

产量

enter image description here