关键词:
公众号:尤而小屋
作者:Peter
编辑:Peter
大家好,我是Peter~
之前更新了很多关于Plotly绘图的文章。今天带来的文章是基于官网和实际案例来讲解如何绘制不同需求下的热力图。
Plotly中绘制热力图有3种方式:heatmap、imshow和figure_factory(Plotly的图形工厂函数)
官网学习地址:
- https://plotly.com/python/heatmaps/
- https://plotly.com/python/imshow/
- https://plotly.com/python/annotated-heatmap/
目录
本文的整体目录:
Plotly连载文章
几篇Plotly更新的文章,请参考:
导入库
import pandas as pd
import numpy as np
import plotly_express as px
import plotly.graph_objects as go
import plotly.figure_factory as ff # 图形工厂
from plotly.subplots import make_subplots # 绘制子图
基于px展示imshow
Plotly中的imshow主要是用来展示图像数据,当然也可以用来显示热力图:
展示RGB图形数据
# 数据部分
rgb = np.array([[[105, 0, 0], [0, 255, 0], [0, 0, 55]],
[[0, 250, 0], [0, 0, 205], [255, 0, 0]]],
dtype=np.uint8)
# 调用px
fig = px.imshow(rgb)
fig.show()
基于嵌套列表
fig = px.imshow([[1, 20, 30],
[20, 1, 60]])
fig.show()
基于二维数组的数据
1、显示颜色棒及颜色
data = np.arange(20).reshape(4,5) # 如何使用Numpy生成数据
fig = px.imshow(data)
fig.show()
2、不显示颜色棒+灰色
data = np.arange(20).reshape(4,5)
fig = px.imshow(data,binary_string=True) # 参数设置
fig.show()
3、显示灰色+颜色棒
data = np.arange(20).reshape(4,5)
fig = px.imshow(data,color_continuous_scale="gray") # 参数设置
fig.show()
基于图形文件中的数据
1、基础图形
# 从skimage中导入数据
from skimage import data
# 导入指定图像数据
img = data.astronaut()
fig = px.imshow(img,
binary_format="jpeg",
binary_compression_level=0)
fig.show()
2、不显示坐标轴刻度
# 从skimage中导入数据
from skimage import data
# 导入指定图像数据
img = data.astronaut()
fig = px.imshow(img,
binary_format="jpeg",
binary_compression_level=0)
# 不显示颜色范围和轴刻度
fig.update_layout(coloraxis_showscale=False)
fig.update_xaxes(showticklabels=False)
fig.update_yaxes(showticklabels=False)
fig.show()
自定义轴刻度值
import plotly.express as px
data=[[1, 25, 30, 50, 100],
[20, 10, 60, 80, 30],
[13, 60, 31, 5, 20]]
fig = px.imshow(
data, # 传入数据
# 轴标签设置
labels=dict(x="Week", y="Time of Day", color="Productivity"),
# 轴刻度设置
x=['星期一', '星期二', '星期三', '星期四', '星期五'],
y=['早', '中', '晚']
)
# 轴位置调整
fig.update_xaxes(side="top")
fig.show()
基于go展示imshow
graph_objects方法支持两种方法来绘制图像绘制:
- go.Image:仅支持多通道的图像数据
- go.Heatmap:支持单通道的图像数据
基于go.Image方法
import plotly.graph_objects as go
# 2*3*3的列表
rgb = [[[200, 0, 0], [0, 200, 0], [0, 0, 255]],
[[0, 255, 0], [0, 0, 205], [255, 0, 0]]]
fig = go.Figure(go.Image(z=rgb))
fig.show()
基于go.heatMap方法
import plotly.graph_objects as go
fig = go.Figure(data=go.Heatmap(
z=[[10, 20, 30],
[20, 1, 60],
[30, 60, 10]]))
fig.update_layout(width=800,height=500)
fig.show()
缺失值处理
import plotly.graph_objects as go
fig = go.Figure(data=go.Heatmap(
z=[[1, None, 30, 50, 1], [20, 1, 60, np.nan, 30], [30, 60, 1, -10, 20]],
x=['Monday', 'Tuesday', 'Wednesday', 'Thursday', 'Friday'],
y=['Morning', 'Afternoon', 'Evening'],
hoverongaps = False)) # 缺失值处理参数
fig.show()
基于图形工厂 figure_factory
figure_factory图形工厂一个重要的作用就是绘制带有标注的热力图。我们可以看到上面的各种图形都是没有标注的
基础图形
基于图形工长如何绘制基本待标注的基本图形:
import plotly.figure_factory as ff
z = [[1.1, .3, .5, .7, .9],
[1, .8, .6, .4, .2],
[.2, 0, .5, .7, .9],
[.9, .8, .4, .2, 0]]
fig = ff.create_annotated_heatmap(z)
fig.show()
自定义颜色
import plotly.figure_factory as ff
z = [[1.1, .3, .5, .7, .9],
[1, .8, .6, .4, .2],
[.2, 0, .5, .7, .9],
[.9, .8, .4, .2, 0]]
# 添加参数:colorscale
fig = ff.create_annotated_heatmap(z,colorscale='Viridis')
fig.show()
如何设置不同的颜色:
import plotly.figure_factory as ff
z = [[.1, .3, .5, .7],
[1.0, .8, .6, .4],
[.6, .4, .2, 0.0],
[.9, .7, .5, .3]]
# 这种写法通过嵌套列表来指定颜色的渐变,更加灵活
colorscale = [[0.0, 'green'],[0.5, 'blue'],[1, 'yellow']]
# 指定字体的颜色
font_colors = ['white', 'red']
# 传入字体和颜色参数
fig = ff.create_annotated_heatmap(z, colorscale=colorscale, font_colors=font_colors)
fig.show()
自定义XY轴
import plotly.figure_factory as ff
# 显示的数据
z = [[101,131,95],
[112,74,146]]
# 两个轴,可以任意指定
x = ["语文","数学","英语"]
y = ["小明","小红"]
# 待注释的数据,一般和z相同
z_text = [[101,131,95],
[112,74,146]]
fig = ff.create_annotated_heatmap(
z,
x=x,
y=y,
annotation_text=z_text, # 标注文本内容
colorscale='Viridis')
fig.show()
设置字体大小
有时候我们更改标准文本中字体的大小:
import plotly.figure_factory as ff
# 显示的数据
z = [[101,131,95],
[112,74,146]]
# 两个轴,可以任意指定
x = ["语文","数学","英语"]
y = ["小明","小红"]
# 待注释的数据,一般和z相同
z_text = [[101,131,95],
[112,74,146]]
fig = ff.create_annotated_heatmap(
z,
x=x,
y=y,
annotation_text=z_text, # 标注文本内容
colorscale='Viridis')
# 字体大小设置
for i in range(len(fig.layout.annotations)):
fig.layout.annotations[i].font.size=20
fig.show()
实战1:相关系数热力图
使用股票数据
采用的plotly_express内置的股票数据;通过相关系数函数corr函数求解出两两公司之间的相关系数
stock = px.data.stocks()
stock.head()
Plotly中内置的一份关于股票的数据:
相关系数
生成相关系数矩阵,同时保留两位小数:
坐标轴和绘图数据
生成坐标轴和待绘图的数据:
绘图
import plotly.figure_factory as ff
# 显示的数据
z = data1
# 两个轴,可以任意指定
x = index
y = columns
# 显示的文本内容
z_text = data1
fig = ff.create_annotated_heatmap(
z,
x=x,
y=y,
annotation_text=z_text, # 标注文本内容
colorscale='Viridis',
showscale=True
)
# 字体大小设置
for i in range(len(fig.layout.annotations)):
fig.layout.annotations[i].font.size=12
fig.show()
案例2:绘制任意坐标轴热力图
这个案例是自己曾经遇到的一个问题的解决过程,就是当我们的坐标轴中出现了数值和字符串两种类型如何解决。
官网类似案例
两个轴指定的都是字符串类型的数据
import plotly.figure_factory as ff
z = [[101,131,95],
[112,74,146]]
# 重点:都是字符串类型
x = ['Team A', 'Team B', 'Team C']
y = ['Game Two', 'Game One']
z_text = [[101,131,95],
[112,74,146]]
fig = ff.create_annotated_heatmap(
z,
x=x,
y=y,
annotation_text=z_text, # 标注文本内容
colorscale='Viridis')
fig.show()
下面是可以出图的:
改变坐标轴数据
在坐标轴的数据中,同时使用数值和字符串:
这样子就不能出图:问题到底出在哪里呢?
如何解决?介绍两种方法:
方法1:通过参数设置
import plotly.figure_factory as ff
z = [[101,131,95],
[112,74,146]]
# 1、设置坐标轴数据,统一用数据格式
x = list(range(0,3))
y = list(range(0,2))
z_text = [[101,131,95],
[112,74,146]]
fig = ff.create_annotated_heatmap(
z,
x=x,
y=y,
annotation_text=z_text,
colorscale='Viridis')
# 解决方法
# 实际坐标轴
xticks=[1, 'Team B', 'Team C']
yticks=[1, 'Game One']
# 修改坐标轴:将x用xticks来代替,y轴类似
fig.update_xaxes(tickvals=x, ticktext=xticks)
fig.update_yaxes(tickvals=y, ticktext=yticks)
fig.show()
方法2:自定义函数
import plotly.figure_factory as ff
z = [[101,131,95],
[112,74,146]]
x = [1, 'Team B', 'Team C']
y = [1, 'Game One']
# 待显示的数据
z_text = z
# 关键函数:修改坐标轴
def hm_axis(l):
return [f"chr(0)+str(i)+chr(0)" for i in l]
fig = ff.create_annotated_heatmap(
z,
x=hm_axis(x),
y=hm_axis(y),
annotation_text=z_text,
colorscale='Viridis')
fig.show()
完美解决!
可视化神器plotly绘制树状图(代码片段)
大家好,我是Peter~今天给大家带来的是一篇关于Plotly绘图的文章:如何使用Plotly来绘制矩形树状图Plotly文章目前Plotly的文章更新到第17篇,推荐几篇文章:闲聊为什么Peter一直坚持写Plotly的文章?国庆节前有位... 查看详情
.可视化数据分析图表—常用图表的绘制3—散点图,面积图,热力图(代码片段)
第五章.可视化数据分析图5.3常用图表的绘制3—散点图,面积图,热力图本节主要介绍常用图表的绘制,主要包括散点图,面积图,热力图。1.散点图(matplotlib.pyplot.scatter)·散点图主要用来查看数据的... 查看详情
可视化神器plotly绘制3d图(代码片段)
公众号:尤而小屋作者:Peter编辑:Peter大家好,我是Peter~本文中重点介绍的是如何利用plotly来绘制3D图形。在3D图形中一般是包含3个轴的:x、y、z。在Plotly中绘图的时候,我们对layout布局进行设置的时候... 查看详情
在arcgis地图上绘制echarts热力图(heatmap)(代码片段)
...www.cnblogs.com/qiaoge0923/p/9562304.html 现如今,Echarts在数据可视化方面早已升入化境,已经不再拘泥于简单的饼图柱状图,已然从平面直角坐标系,扩展到了极坐标系和地理坐标系等等。 随着地图的使用越来越 查看详情
r语言数据热力图绘制实战(基于原生r函数ggplot2包plotly包)
R语言数据热力图绘制实战(基于原生R函数、ggplot2包、plotly包)目录R语言数据热力图绘制实战(基于原生R函数、ggplot2包、plotly包) 查看详情
可视化神器plotly:子图的绘制(代码片段)
楔子下面我们来进行高级图表的绘制,说是高级图表,其实也不算高级。以下代码在jupyternotebook上运行,先导入以下模块importplotlyaspyimportplotly.graph_objsasgoimportnumpyasnpimportpandasaspdimportdatetime时间序列plotly对时间的支持特别友好,... 查看详情
再见matplotlib,可视化神器plotly绘制图表的太酷炫了(代码片段)
数据分析离不开数据可视化。我们最常用的就是pandas,matplotlib,pyecharts当然还有Tableau,最近看到一篇文章介绍plotly制图后,我感觉写的不够简洁明了。今天就给大家分享利用可视化神器Plotly绘制酷炫图表,欢... 查看详情
数据可视化python热力图(seaborn.heatmap)(代码片段)
Python数据可视化-热力图热力图cmapcenterannotannot_kwsfmtlinewidthslinecolorxticklabelsyticklabelsmask热力图应用热力图以特殊高亮的形式显示访客热衷的页面区域和访客所在的地理区域的图示。热力图可以显示不可点击区域发生的事情。城市... 查看详情
r使用热力图(heatmap)可视化数据集(代码片段)
R使用热力图(heatmap)可视化数据集R使用热力图(heatmap)可视化数据集#安装、加载包install.packages(\'RNHANES\')library(RNHANES)library(tidyverse)******************************************************************************Warningmes 查看详情
pytorch可视化热力图(代码片段)
可视化热力图可以有两种方式:1)特征图可视化,将各通道特征的最大值作为热力图像素值,进行可视化——可以参考博客,一种比较灵活的特征图保存方式2)根据梯度值结合特征图计算热力图,热力图的显示的重点是梯... 查看详情
python绘制热力图(代码片段)
最近在建模时有绘制相关系数矩阵热力图的需要,在此记录一下热力图的基本使用这里使用seaborn库中的的heatmap完成热力图的绘制,我们可以根据图中不同方块颜色来判断变量之间相关系数的大小,接下来介绍heatmap的... 查看详情
数据可视化之seaborn热力图参数详解(很多例子)(代码片段)
defheatmap(data,vmin=None,vmax=None,cmap=None,center=None,robust=False,annot=None,fmt=".2g",annot_kws=None,linewidths=0,linecolor="white",cbar 查看详情
数据可视化之seaborn热力图参数详解(很多例子)(代码片段)
defheatmap(data,vmin=None,vmax=None,cmap=None,center=None,robust=False,annot=None,fmt=".2g",annot_kws=None,linewidths=0,linecolor="white",cbar 查看详情
用ggplot绘制热力图#r
1、绘制中国地图library("maptools")china_map=readShapePoly("D:/Astatistics/R/画热力图数据材料/中国省级地图空间数据文件/bou2_4p.shp")#读取地图空间数据plot(china_map)#可以不画 2*、改变投影方式library(ggplot2)ggplot(china_map,aes(x=long,y=lat,gr 查看详情
可视化神器plotly美化表格(代码片段)
公众号:尤而小屋作者:Peter编辑:Peter可视化神器Plotly美化表格有时候看到一份表格,没有任何的颜色修饰,总觉得缺点美观效果。在Excel中我们可以直接对字体的颜色、大小等进行设置,还可以进行单元... 查看详情
r语言可视化分别使用lattice包和ggplot2包可视化热图(heatmap)并绘制热力图对应的系统树图(dendrogram)实战
R语言可视化分别使用lattice包和ggplot2包可视化热图(heatmap)并绘制热力图对应的系统树图(dendrogram)实战 目录 查看详情
python绘制相关系数热力图(代码片段)
python绘制相关系数热力图一.数据说明和需要安装的库二.准备绘图三.设置配色,画出多幅图全部代码:本文讲述如何利用python绘制如上的相关系数热力图一.数据说明和需要安装的库数据是31个省市有关教育的12个指标... 查看详情
plotly可视化绘制多图(multiplot)(代码片段)
plotly可视化绘制多图(multiplot)# plotly可视化绘制多图(multiplot)importplotlyaspyimportplotly.graph_objsasgo#----------predefpyplt=py.offline.plotx=list('ABCDEF')trace1 查看详情