超简单Python画Heatmap-热力图 -plotly库

超简单Python画Heatmap热力图 -库plotly

在画热力图之前需要安装一个 Plotly 的第三方库

pip install plotly

推荐一下其他画图工具 -> 点击这里

数据解释

导入的数据格式为两个.csv的表格，由于懒惰没有再处理原始数据集了，具体传值赋值 pandas 均能实现。

其中的 T2_All_Value 代表多列 z轴，x_y_axis 代表对应z轴的 x、y坐标。

T2_All_Value

x_y_axis

上代码

import pandas as pd
from tqdm import tqdm
import plotly.graph_objects as go

# 关于取xyz的值做矩阵
df_all_T2 = pd.read_csv('T2_All_Value.csv', index_col=0)  # index_col=0用于消除unnamed:0列
# 读取T2数据集的行列数
q1 = df_all_T2.shape[1]  # 列数
r1 = df_all_T2.shape[0]  # 行数
print('T2有%r行，%r列。' % (r1, q1))
# 读取x和y轴数据
df_x_y = pd.read_csv('x_y_axis.csv')
# 获取表格的行列数q,r
q2 = df_x_y.shape[1]  # 列数
r2 = df_x_y.shape[0]  # 行数

print('x_y有%r行，%r列。' % (r2, q2))

list_ix = []
list_iy = []
list_iz = []

def choose_layer(layers):
    for xx in range(r2 + 1):
        if xx < r2:
            IIx = df_x_y.iloc[xx, 0]
            IIy = df_x_y.iloc[xx, 1]
            IIz = df_all_T2.iloc[xx, layers]

            # print('[x, y, z] = [%r, %r, %r]' % (IIx, IIy, IIz))
            # 将每个坐标轴存入一个list中
            list_ix.append(IIx)
            list_iy.append(IIy)
            list_iz.append(IIz)
    # print('本次的数据：', one_data)
    mmx = list_ix
    mmy = list_iy
    mmz = list_iz

    return mmx, mmy, mmz

上面Function的到输入数据，每个mmx、mmy、mmz代表的是x-y-z轴的数据列表，类型为 list。

def get_data(mmxx, mmyy, mmzz):


    df = pd.DataFrame(data=[v for v in zip(mmxx, mmyy, mmzz)], columns=['x', 'y', 'Value'])
    return df

上一段 get_data() 主要将输入数据变成DataFrame的格式输出。

主函数代码如下：

if __name__ == '__main__':
    # SIZE = 100
    for i in range(1, q1):

        mmx, mmy, mmz = choose_layer(i)
        df = get_data(mmxx=mmx, mmyy=mmy, mmzz=mmz)

        layout = go.Layout(
            # plot_bgcolor='red',  # 图背景颜色
            paper_bgcolor='white',  # 图像背景颜色
            autosize=True,
            # width=2000,
            # height=1200,
            title=str(i) + '-热力图',
            titlefont=dict(size=30, color='gray'),

            # 图例相对于左下角的位置
            legend=dict(
                x=0.02,
                y=0.02
            ),

            # x轴的刻度和标签
            xaxis=dict(title='x坐标轴数据',  # 设置坐标轴的标签
                       titlefont=dict(color='red', size=20),
                       tickfont=dict(color='blue', size=18, ),
                       tickangle=45,  # 刻度旋转的角度
                       showticklabels=True,  # 是否显示坐标轴
                       # 刻度的范围及刻度
                       # autorange=False,
                       # range=[0, 100],
                       # type='linear',
                       ),

            # y轴的刻度和标签
            yaxis=dict(title='y坐标轴数据',  # 坐标轴的标签
                       titlefont=dict(color='blue', size=18),  # 坐标轴标签的字体及颜色
                       tickfont=dict(color='green', size=20, ),  # 刻度的字体大小及颜色
                       showticklabels=True,  # 设置是否显示刻度
                       tickangle=-45,
                       # 设置刻度的范围及刻度
                       autorange=True,
                       # range=[0, 100],
                       # type='linear',
                       ),
        )

        fig = go.Figure(data=go.Heatmap(
            showlegend=True,
            name='Value',
            x=df['x'],
            y=df['y'],
            z=df['Value'],
            type='heatmap',
        ),
            layout=layout
        )

        fig.update_layout(margin=dict(t=100, r=150, b=100, l=100), autosize=True)

        fig.show()

最终热力图效果如图所示

右上角有交互功能，可放大、缩小、保存、移动等系列操作。

完整代码

import pandas as pd
from tqdm import tqdm
import plotly.graph_objects as go

# 关于取xyz的值做矩阵
df_all_T2 = pd.read_csv('T2_All_Value.csv', index_col=0)  # index_col=0用于消除unnamed:0列
# 读取T2数据集的行列数
q1 = df_all_T2.shape[1]  # 列数
r1 = df_all_T2.shape[0]  # 行数
print('T2有%r行，%r列。' % (r1, q1))
# 读取x和y轴数据
df_x_y = pd.read_csv('x_y_axis.csv')
# 获取表格的行列数q,r
q2 = df_x_y.shape[1]  # 列数
r2 = df_x_y.shape[0]  # 行数

print('x_y有%r行，%r列。' % (r2, q2))

list_ix = []
list_iy = []
list_iz = []
one_data = []
all_data = []


for xx in range(r2 + 1):
    if xx < r2:
        IIx = df_x_y.iloc[xx, 0]
        IIy = df_x_y.iloc[xx, 1]
        IIz = df_all_T2.iloc[xx, 7]
        # one_data.append(IIx)
        # print('ddddddd:', one_data)
        # all_data.append(one_data)

        # print('[x, y, z] = [%r, %r, %r]' % (IIx, IIy, IIz))
        # 将每个坐标轴存入一个list中
        list_ix.append(IIx)
        list_iy.append(IIy)
        list_iz.append(IIz)
# print('本次的数据：', one_data)
print('xxx:', list_ix)
print('yyy', list_iy)
print('zzz', list_iz)
mmx = list_ix
mmy = list_iy
mmz = list_iz
print('duoshaogehsu', len(mmx))
long = len(mmx)  # 取LIST长度
# for ir in tqdm(range(long)):
#     # for ie in ():

for ie, iu, io in tqdm(zip(mmx, mmy, mmz)):
    # print('shenmgui:', ie)
    one_data.append(ie)
    # print('aaaaaa:',one_data)
    one_data.append(iu)
    # print('ssssss:', one_data)
    one_data.append(io)
    # print('cccccc:', one_data)
    # time.sleep(1)


    all_data.append(one_data)
    # print('牛逼的循环：', all_data)

    one_data = []

print('dasd asdas :', all_data)

data = all_data

xdata = list(set(mmx))
ydata = list(set(mmy))

bx = []
by = []

print('changdu1:', len(xdata))
print('changdu2:', len(ydata))
print('changdu3:', len(mmz))

for i_i in xdata:
    bx.append(str(i_i))

for i_j in ydata:
    by.append(str(i_j))


print('字符串类型的xdata：', bx)
print('字符串类型的ydata：', by)

xdata = bx
ydata = by



def get_data(mmxx, mmyy, mmzz):


    df = pd.DataFrame(data=[v for v in zip(mmxx, mmyy, mmzz)], columns=['x', 'y', 'z'])
    return df


if __name__ == '__main__':
    # SIZE = 100
    df = get_data(mmxx=mmx, mmyy=mmy, mmzz=mmz)

    layout = go.Layout(
        # plot_bgcolor='red',  # 图背景颜色
        paper_bgcolor='white',  # 图像背景颜色
        autosize=True,
        # width=2000,
        # height=1200,
        title='T2热力图',
        titlefont=dict(size=30, color='gray'),

        # 图例相对于左下角的位置
        legend=dict(
            x=0.02,
            y=0.02
        ),

        # x轴的刻度和标签
        xaxis=dict(title='x坐标轴数据',  # 设置坐标轴的标签
                   titlefont=dict(color='red', size=20),
                   tickfont=dict(color='blue', size=18, ),
                   tickangle=45,  # 刻度旋转的角度
                   showticklabels=True,  # 是否显示坐标轴
                   # 刻度的范围及刻度
                   # autorange=False,
                   # range=[0, 100],
                   # type='linear',
                   ),

        # y轴的刻度和标签
        yaxis=dict(title='y坐标轴数据',  # 坐标轴的标签
                   titlefont=dict(color='blue', size=18),  # 坐标轴标签的字体及颜色
                   tickfont=dict(color='green', size=20, ),  # 刻度的字体大小及颜色
                   showticklabels=True,  # 设置是否显示刻度
                   tickangle=-45,
                   # 设置刻度的范围及刻度
                   autorange=True,
                   # range=[0, 100],
                   # type='linear',
                   ),
    )

    fig = go.Figure(data=go.Heatmap(
        showlegend=True,
        name='Value',
        x=df['x'],
        y=df['y'],
        z=df['z'],
        type='heatmap',
    ),
        layout=layout
    )

    fig.update_layout(margin=dict(t=100, r=150, b=100, l=100), autosize=True)

    fig.show()

超简单Python画Heatmap-热力图 -plotly库

上代码

继续阅读

来自python的【条件控制/语句循环/break/continue/else/pass】一、条件控制二、语句循环

无法解析的外部符号 wmain，该符号在函数 "void cdecl mainCRTStartupHelper(struct HINSTANCE *,unsigned short con......

TestLink导出用例转换工具(XML2Excel)

YAML简介和PyYAML安全操作YAML支持的类型YAML的优点：yaml的基本语法python操作

Small tricks

libsvm for python 安装

学习软件测试基础测试第七天

Zeppelin 配置访问 REST APIApache Zeppelin Configuration REST API

【Torch】最简洁logging使用指南

27. Remove Element(列表)题目代码

Cloud Studio初体验

使用 ctypes 进行 Python 和 C 的混合编程

【python】【数据处理】画多维数据分布图

【python】netconf协议对接管理设备

「Python 网络自动化」NETCONF —— Python 使用 NETCONF 管理配置 H3C 网络设备

在python中创建excel并写入