18张图+2大案例！精讲Plotly的热力图可视化制作

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：

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！你学会了吗？

李宜雪的良知卖了2万元，真正需要声援的是罗灿宏啊

故意按摩让女生“产生欲望”后发生关系，算性侵吗？

洗牌电商圈！阿哲放话全网：挑战抖音所有机制！爆全品类大牌！

阿哲现身评论区，@一修！肉肉痛哭，无限期停播！回应舆论黑料，关闭私信评论区！

登热榜！某牙电母被S，榜一求爱遭拒！柚柚阿哲合体年度走红毯！

18张图+2大案例！精讲Plotly的热力图可视化制作

目录

Plotly连载文章

导入库

基于px展示imshow

基于嵌套列表

基于二维数组的数据

基于图形文件中的数据

自定义轴刻度值

基于go展示imshow

基于go.Image方法

基于go.heatMap方法

缺失值处理

基于图形工厂 figure_factory

自定义颜色

自定义XY轴

设置字体大小

实战1：相关系数热力图

使用股票数据

相关系数

坐标轴和绘图数据

绘图

案例2：绘制任意坐标轴热力图

官网类似案例

改变坐标轴数据

方法1：通过参数设置

方法2：自定义函数

您可能也对以下帖子感兴趣

李宜雪的良知卖了2万元，真正需要声援的是罗灿宏啊

故意按摩让女生“产生欲望”后发生关系，算性侵吗？

洗牌电商圈！阿哲放话全网：挑战抖音所有机制！爆全品类大牌！

阿哲现身评论区，@一修！肉肉痛哭，无限期停播！回应舆论黑料，关闭私信评论区！

登热榜！某牙电母被S，榜一求爱遭拒！柚柚阿哲合体年度走红毯！

生成图片，分享到微信朋友圈

18张图+2大案例！精讲Plotly的热力图可视化制作

目录

Plotly连载文章

导入库

基于px展示imshow

基于嵌套列表

基于二维数组的数据

基于图形文件中的数据

自定义轴刻度值

基于go展示imshow

基于go.Image方法

基于go.heatMap方法

缺失值处理

基于图形工厂 figure_factory

自定义颜色

自定义XY轴

设置字体大小

实战1：相关系数热力图

使用股票数据

相关系数

坐标轴和绘图数据

绘图

案例2：绘制任意坐标轴热力图

官网类似案例

改变坐标轴数据

方法1：通过参数设置

方法2：自定义函数

您可能也对以下帖子感兴趣