Pandas 如何从存储在数据框中的每个箱子的边缘和值生成热图？

我使用

cut

函数在数据帧中定义了2D bin边。我试图了解如何将这些箱子边缘和每个箱子的各种值转换为热图

我从iris数据集开始，对其进行

UMAP

投影，这样我就有了每个数据点的

UMAP

x和y坐标

我使用

cut

函数将其转换为网格单元，从而生成x和y方向的箱边。然后得到每个网格单元对应的特征的平均值

现在，一个人怎么能从这个转变成一个热图，比如一个海生热图？按特征提取该特征，第一个特征将是每个2D bin（

UMAP\u x\u bin

，

UMAP\u y\u bin

）的萼片长度（cm）平均值的热图

---

首先，您需要将

IntervalIndex

列转换为单值列

iris_df .UMAP_x_bin= iris_df .UMAP_x_bin.apply(lambda x: x.mid)
iris_df .UMAP_y_bin= iris_df .UMAP_x_bin.apply(lambda x: x.mid)

然后，必须将数据插值到值的二维网格上。 您可以使用

scipy

进行此操作

from scipy.interpolate import griddata

points = np.c_[iris_df .UMAP_x_bin, iris_df .UMAP_y_bin]
values = iris_df ['sepal length (cm)_mean'].to_numpy()

# Choose the range appropriately.
gridx, gridy = np.mgrid[0:100, 0:100]

# interpolate.
data = griddata(points, values, (gridx, gridy), method = 'nearest')

# plot the heatmap
sns.heatmap(data)

注：根据

UMap\u x\u bin

和

UMap\u y\u bin

from scipy.interpolate import griddata

points = np.c_[iris_df .UMAP_x_bin, iris_df .UMAP_y_bin]
values = iris_df ['sepal length (cm)_mean'].to_numpy()

# Choose the range appropriately.
gridx, gridy = np.mgrid[0:100, 0:100]

# interpolate.
data = griddata(points, values, (gridx, gridy), method = 'nearest')

# plot the heatmap
sns.heatmap(data)