📌  相关文章
📜  密谋-热图

📅  最后修改于: 2020-11-29 07:08:02             🧑  作者: Mango

热图(或热图)是数据的图形表示，其中矩阵中包含的各个值表示为颜色。热图的主要目的是更好地可视化数据集中位置/事件的数量，并帮助将观看者引向最重要的数据可视化区域。

由于它们依赖颜色来传达值，因此热图可能最常用于显示更通用的数值视图。热图功能强大且功能强大，可以吸引人们对趋势的关注，由于这些原因，热图在分析社区中变得越来越受欢迎。

热图天生就是不言而喻的。阴影越深，数量越大(值越大，色散越紧密，等等)。 Plotly的graph_objects模块包含Heatmap ()函数。它需要x， y和z属性。它们的值可以是列表，numpy数组或Pandas数据框。

在下面的示例中，我们有一个2D列表或数组，用于定义数据(不同农民以吨/年计)的颜色编码。然后，我们还需要两个列表，列出农民和他们种植的蔬菜的名称。

vegetables = [
   "cucumber", 
   "tomato", 
   "lettuce", 
   "asparagus",
   "potato", 
   "wheat", 
   "barley"
]
farmers = [
   "Farmer Joe", 
   "Upland Bros.", 
   "Smith Gardening",
   "Agrifun", 
   "Organiculture", 
   "BioGoods Ltd.", 
   "Cornylee Corp."
]
harvest = np.array(
   [
      [0.8, 2.4, 2.5, 3.9, 0.0, 4.0, 0.0],
      [2.4, 0.0, 4.0, 1.0, 2.7, 0.0, 0.0],
      [1.1, 2.4, 0.8, 4.3, 1.9, 4.4, 0.0],
      [0.6, 0.0, 0.3, 0.0, 3.1, 0.0, 0.0],
      [0.7, 1.7, 0.6, 2.6, 2.2, 6.2, 0.0],
      [1.3, 1.2, 0.0, 0.0, 0.0, 3.2, 5.1],
      [0.1, 2.0, 0.0, 1.4, 0.0, 1.9, 6.3]
   ]
)
trace = go.Heatmap(
   x = vegetables,
   y = farmers,
   z = harvest,
   type = 'heatmap',
   colorscale = 'Viridis'
)
data = [trace]
fig = go.Figure(data = data)
iplot(fig)

上述代码的输出如下：

热图