有FactoryName、JiJXH 、Shi、sale_avg多行数据表，如何按照FactoryName、JiJXH 为行索引，shi为列索引，制作每行sale_avg色阶图，并且行列索引名称显示出来，用python怎么做阶

要按照FactoryName、JiJXH为行索引，Shi为列索引，制作每行sale_avg的色阶图，并显示行列索引名称，可以使用Python中的pandas和matplotlib库进行操作。具体步骤如下：

1. 首先，读取数据表并将FactoryName和JiJXH作为行索引，Shi作为列索引，可以使用pandas中的pivot函数实现：

import pandas as pd

# 读取数据表
df = pd.read_csv('data.csv')

# 将FactoryName和JiJXH作为行索引，Shi作为列索引
df_pivot = df.pivot(index=['FactoryName', 'JiJXH'], columns='Shi', values='sale_avg')

2. 接下来，根据每行sale_avg的值生成对应的色阶，可以使用matplotlib中的colormap函数实现：

import matplotlib.pyplot as plt

# 生成色阶
colormap = plt.cm.Reds

3. 然后，使用matplotlib中的figure和axes函数创建一个新的图形和子图，并使用imshow函数绘制色阶图，同时设置行列索引名称：

# 创建一个新的图形和子图
fig, ax = plt.subplots()

# 绘制色阶图
im = ax.imshow(df_pivot, cmap=colormap, aspect='auto')

# 设置行列索引名称
ax.set_xticks(range(len(df_pivot.columns)))
ax.set_xticklabels(df_pivot.columns)
ax.set_yticks(range(len(df_pivot.index)))
ax.set_yticklabels(df_pivot.index)

# 显示色阶图
plt.show()

完整代码如下：

import pandas as pd
import matplotlib.pyplot as plt

# 读取数据表
df = pd.read_csv('data.csv')

# 将FactoryName和JiJXH作为行索引，Shi作为列索引
df_pivot = df.pivot(index=['FactoryName', 'JiJXH'], columns='Shi', values='sale_avg')

# 生成色阶
colormap = plt.cm.Reds

# 创建一个新的图形和子图
fig, ax = plt.subplots()

# 绘制色阶图
im = ax.imshow(df_pivot, cmap=colormap, aspect='auto')

# 设置行列索引名称
ax.set_xticks(range(len(df_pivot.columns)))
ax.set_xticklabels(df_pivot.columns)
ax.set_yticks(range(len(df_pivot.index)))
ax.set_yticklabels(df_pivot.index)

# 显示色阶图
plt.show()

在代码中，`ax.set_xticks()`和`ax.set_xticklabels()`用于设置列索引名称，`ax.set_yticks()`和`ax.set_yticklabels()`用于设置行索引名称。其中，`set_xticks()`和`set_yticks()`函数用于设置坐标轴刻度的位置，`set_xticklabels()`和`set_yticklabels()`函数用于设置坐标轴刻度的标签。