Plotly - แผนที่ความร้อน

แผนที่ความร้อน (หรือแผนที่ความร้อน) คือการแสดงข้อมูลแบบกราฟิกโดยที่ค่าแต่ละค่าที่มีอยู่ในเมทริกซ์จะแสดงเป็นสี จุดประสงค์หลักของ Heat Maps คือเพื่อให้เห็นภาพปริมาณของสถานที่ / เหตุการณ์ภายในชุดข้อมูลได้ดีขึ้นและช่วยในการนำผู้ชมไปยังพื้นที่ต่างๆบนการแสดงภาพข้อมูลที่สำคัญที่สุด

เนื่องจากการพึ่งพาสีในการสื่อสารค่าต่างๆ Heat Maps จึงถูกใช้บ่อยที่สุดเพื่อแสดงมุมมองของค่าตัวเลขโดยทั่วไป แผนที่ความร้อนมีความหลากหลายและมีประสิทธิภาพในการดึงดูดความสนใจไปที่เทรนด์และด้วยเหตุผลเหล่านี้ทำให้พวกเขาได้รับความนิยมมากขึ้นในชุมชนการวิเคราะห์

แผนที่ความร้อนเป็นสิ่งที่อธิบายได้เองโดยกำเนิด ยิ่งเฉดสีเข้มขึ้นปริมาณก็จะยิ่งมากขึ้น (ค่ายิ่งสูงการกระจายตัวจะยิ่งแน่นขึ้น ฯลฯ ) โมดูล graph_objects ของ Plotly ประกอบด้วยHeatmap()ฟังก์ชัน มันต้องการ x,y และ zคุณลักษณะ. ค่าของพวกเขาอาจเป็นรายการอาร์เรย์ตัวเลขหรือ Pandas dataframe

ในตัวอย่างต่อไปนี้เรามีรายการหรืออาร์เรย์ 2 มิติซึ่งกำหนดข้อมูล (เก็บเกี่ยวโดยเกษตรกรที่แตกต่างกันเป็นตัน / ปี) เป็นรหัสสี จากนั้นเรายังต้องการรายชื่อเกษตรกรและผักที่ปลูกโดยพวกเขาสองรายชื่อ

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)

ผลลัพธ์ของรหัสที่กล่าวถึงข้างต้นมีดังนี้ -