Python数据可视化：plotly热力图Heatmap(数据密度热图)

骑猪看日落 2022-12-27 12:58 659阅读 0赞

利用余弦函数两次叠加生成密度数据，然后用plotly绘制热力图。Python代码：

import plotly.graph_objects as go
    import numpy as np
    import pandas as pd
    
    
    def get_data(size):
        R = np.linspace(0, 2 * np.pi, size)
    
        x = np.linspace(start=0, stop=size, num=size, dtype=np.int)
        y = np.linspace(start=0, stop=size, num=size, dtype=np.int)
    
        z_value = []
    
        for i in range(len(R)):
            v = -np.cos(R)
            z_value.append(v)
    
        np_z_value = np.asarray(z_value)
        result = np_z_value + np.expand_dims(-np.cos(R), axis=1)
    
        df = pd.DataFrame(data=[v for v in zip(x, y, result)], columns=['x', 'y', 'z'])
        return df
    
    
    if __name__ == '__main__':
        SIZE = 100
        df = get_data(SIZE)
    
        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='数据密度热力图',
            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='数据',
            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()

输出：

当数据密度为30时候：

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3poYW5ncGhpbA_size_16_color_FFFFFF_t_70][]

当数据密度为100时候：

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3poYW5ncGhpbA_size_16_color_FFFFFF_t_70 1][]

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3poYW5ncGhpbA_size_16_color_FFFFFF_t_70]: /images/20221120/e87ec1048a434af2ac901eec030dcf93.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3poYW5ncGhpbA_size_16_color_FFFFFF_t_70 1]: https://img-blog.csdnimg.cn/20201211132440676.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3poYW5ncGhpbA==,size_16,color_FFFFFF,t_70