Fabuła - Heatmap

Mapa cieplna (lub mapa ciepła) to graficzna reprezentacja danych, w której poszczególne wartości zawarte w macierzy są reprezentowane jako kolory. Głównym celem map ciepła jest lepsza wizualizacja ilości lokalizacji / zdarzeń w zbiorze danych i pomoc w kierowaniu widzów do obszarów wizualizacji danych, które mają największe znaczenie.

Ze względu na zależność od koloru do przekazywania wartości, mapy ciepła są prawdopodobnie najczęściej używane do wyświetlania bardziej uogólnionego widoku wartości liczbowych. Mapy cieplne są niezwykle wszechstronne i skuteczne w zwracaniu uwagi na trendy i właśnie z tego powodu stają się coraz bardziej popularne w społeczności analitycznej.

Mapy ciepła są z natury oczywiste. Im ciemniejszy odcień, tym większa ilość (im wyższa wartość, tym ciaśniejsza dyspersja itp.). Moduł graph_objects firmy Plotly zawieraHeatmap()funkcjonować. Potrzebuje x,y i zatrybuty. Ich wartością może być lista, tablica numpy lub ramka danych Pandas.

W poniższym przykładzie mamy listę lub tablicę 2D, która definiuje dane (zbiory różnych rolników w tonach / rok) do kodu koloru. Potrzebujemy wtedy również dwóch list nazwisk rolników i uprawianych przez nich warzyw.

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)

Wyjście powyższego kodu jest podane w następujący sposób -