Fatal编程技术网
  • python/
  • Python hvplot.heatmap with pandas dataframe：如何指定值维度？

Python hvplot.heatmap with pandas dataframe：如何指定值维度？

python pandas

Python hvplot.heatmap with pandas dataframe：如何指定值维度？,python,pandas,bokeh,holoviews,hvplot,Python,Pandas,Bokeh,Holoviews,Hvplot,我有一个包含列和行的简单数据框，我想使用hvpolot.heatmap将其可视化。 我可以做一些非常类似的事情： df.style.background\u梯度（cmap='summer'） 。。在Jupyter，看起来像： 数据帧非常简单： >df.index 索引（['ackerland'，'friedhof'，'gartenland'，'gehoelz'，'golfplatz'，'， 格伦兰德、海德、克莱因加滕、劳布霍尔兹、米歇尔兹、摩尔、， “nadelholz”]， dtype='

我有一个包含列和行的简单数据框，我想使用hvpolot.heatmap将其可视化。 我可以做一些非常类似的事情：

df.style.background\u梯度（cmap='summer'）
。。在Jupyter，看起来像：

数据帧非常简单：

>df.index
索引（['ackerland'，'friedhof'，'gartenland'，'gehoelz'，'golfplatz'，'，
格伦兰德、海德、克莱因加滕、劳布霍尔兹、米歇尔兹、摩尔、，
“nadelholz”]，
dtype='object'）
>df.columns
索引（[‘远足’、‘骑自行车’、‘散步’、‘运动’、‘朋友’、‘家人’、‘野餐’]，dtype='object'）
但当我这样做的时候：

>导入hvplot.pandas
>df.hvplot.heatmap（colorbar=True）
ValueError：维度必须定义为元组、字符串、字典或维度实例，如果找到的是非类型类型```
这也不起作用：

df.hvplot.heatmap（x=df.index，y=df.columns，colorbar=True） ValueError：索引的真值不明确。使用a.empty、a.bool（）、a.item（）、a.any（）或a.all（）。 我已经阅读了有关这方面的大多数文档，但仍然不完全理解如何在hvplot/holoviews/bokeh中为pandas数据帧指定值维度：

[编辑]添加了

1）如果您的数据采用的是宽幅格式，类别作为索引，列作为值，如下所示：

+--------------------------+
|         colA  colB  colC |
+--------------------------+
| group1    10 5.000 1.200 |
| group2    12 3.000 4.500 |
| group3    14 1.200 2.300 |
+--------------------------+

import pandas as pd
import holoviews as hv
import hvplot.pandas
hv.extension('bokeh')

df = pd.DataFrame({
    'colA': [10, 12, 14],
    'colB': [5, 3.0, 1.2],
    'colC': [1.2, 4.5, 2.3]},
    index=['group1', 'group2', 'group3'],
)

df.hvplot.heatmap()

heatmap = df.hvplot.heatmap()

heatmap * hv.Labels(heatmap)

+------------------------------+
|      group colA  colB  colC  |
+------------------------------+
| 1   group1    10 5.000 1.200 |
| 2   group2    12 3.000 4.500 |
| 3   group3    14 1.200 2.300 |
+------------------------------+

df_melt = df.melt(id_vars='group')

heatmap = df_melt.hvplot.heatmap(x='group', y='variable', C='value')
labels = hv.Labels(data=df_melt, kdims=['group', 'variable'], vdims=['value'])

heatmap * labels

heatmap = df_melt.hvplot.heatmap(x='group', y='variable', C='value')
heatmap * hv.Labels(heatmap)
然后您只需使用hvplot>=0.5执行
df.heatmap.hvplot（）
：

+--------------------------+
|         colA  colB  colC |
+--------------------------+
| group1    10 5.000 1.200 |
| group2    12 3.000 4.500 |
| group3    14 1.200 2.300 |
+--------------------------+

import pandas as pd
import holoviews as hv
import hvplot.pandas
hv.extension('bokeh')

df = pd.DataFrame({
    'colA': [10, 12, 14],
    'colB': [5, 3.0, 1.2],
    'colC': [1.2, 4.5, 2.3]},
    index=['group1', 'group2', 'group3'],
)

df.hvplot.heatmap()

heatmap = df.hvplot.heatmap()

heatmap * hv.Labels(heatmap)

+------------------------------+
|      group colA  colB  colC  |
+------------------------------+
| 1   group1    10 5.000 1.200 |
| 2   group2    12 3.000 4.500 |
| 3   group3    14 1.200 2.300 |
+------------------------------+

df_melt = df.melt(id_vars='group')

heatmap = df_melt.hvplot.heatmap(x='group', y='variable', C='value')
labels = hv.Labels(data=df_melt, kdims=['group', 'variable'], vdims=['value'])

heatmap * labels

heatmap = df_melt.hvplot.heatmap(x='group', y='variable', C='value')
heatmap * hv.Labels(heatmap)
如果要向热图添加数据标签，可以执行以下操作：

+--------------------------+
|         colA  colB  colC |
+--------------------------+
| group1    10 5.000 1.200 |
| group2    12 3.000 4.500 |
| group3    14 1.200 2.300 |
+--------------------------+

import pandas as pd
import holoviews as hv
import hvplot.pandas
hv.extension('bokeh')

df = pd.DataFrame({
    'colA': [10, 12, 14],
    'colB': [5, 3.0, 1.2],
    'colC': [1.2, 4.5, 2.3]},
    index=['group1', 'group2', 'group3'],
)

df.hvplot.heatmap()

heatmap = df.hvplot.heatmap()

heatmap * hv.Labels(heatmap)

+------------------------------+
|      group colA  colB  colC  |
+------------------------------+
| 1   group1    10 5.000 1.200 |
| 2   group2    12 3.000 4.500 |
| 3   group3    14 1.200 2.300 |
+------------------------------+

df_melt = df.melt(id_vars='group')

heatmap = df_melt.hvplot.heatmap(x='group', y='variable', C='value')
labels = hv.Labels(data=df_melt, kdims=['group', 'variable'], vdims=['value'])

heatmap * labels

heatmap = df_melt.hvplot.heatmap(x='group', y='variable', C='value')
heatmap * hv.Labels(heatmap)


2）但是，如果您的数据是这样的，组只是另一列，而不是索引：

+--------------------------+
|         colA  colB  colC |
+--------------------------+
| group1    10 5.000 1.200 |
| group2    12 3.000 4.500 |
| group3    14 1.200 2.300 |
+--------------------------+

import pandas as pd
import holoviews as hv
import hvplot.pandas
hv.extension('bokeh')

df = pd.DataFrame({
    'colA': [10, 12, 14],
    'colB': [5, 3.0, 1.2],
    'colC': [1.2, 4.5, 2.3]},
    index=['group1', 'group2', 'group3'],
)

df.hvplot.heatmap()

heatmap = df.hvplot.heatmap()

heatmap * hv.Labels(heatmap)

+------------------------------+
|      group colA  colB  colC  |
+------------------------------+
| 1   group1    10 5.000 1.200 |
| 2   group2    12 3.000 4.500 |
| 3   group3    14 1.200 2.300 |
+------------------------------+

df_melt = df.melt(id_vars='group')

heatmap = df_melt.hvplot.heatmap(x='group', y='variable', C='value')
labels = hv.Labels(data=df_melt, kdims=['group', 'variable'], vdims=['value'])

heatmap * labels

heatmap = df_melt.hvplot.heatmap(x='group', y='variable', C='value')
heatmap * hv.Labels(heatmap)
然后您可以使用
df.set_index（'group'）
（并应用解决方案1）将组设置为索引，或者将数据设置为长格式：

+--------------------------+
|         colA  colB  colC |
+--------------------------+
| group1    10 5.000 1.200 |
| group2    12 3.000 4.500 |
| group3    14 1.200 2.300 |
+--------------------------+

import pandas as pd
import holoviews as hv
import hvplot.pandas
hv.extension('bokeh')

df = pd.DataFrame({
    'colA': [10, 12, 14],
    'colB': [5, 3.0, 1.2],
    'colC': [1.2, 4.5, 2.3]},
    index=['group1', 'group2', 'group3'],
)

df.hvplot.heatmap()

heatmap = df.hvplot.heatmap()

heatmap * hv.Labels(heatmap)

+------------------------------+
|      group colA  colB  colC  |
+------------------------------+
| 1   group1    10 5.000 1.200 |
| 2   group2    12 3.000 4.500 |
| 3   group3    14 1.200 2.300 |
+------------------------------+

df_melt = df.melt(id_vars='group')

heatmap = df_melt.hvplot.heatmap(x='group', y='variable', C='value')
labels = hv.Labels(data=df_melt, kdims=['group', 'variable'], vdims=['value'])

heatmap * labels

heatmap = df_melt.hvplot.heatmap(x='group', y='variable', C='value')
heatmap * hv.Labels(heatmap)
熔化数据后，如下所示：

+---+--------+----------+--------+
|   | group  | variable | value  |
+---+--------+----------+--------+
| 0 | group1 | colA     | 10.000 |
| 1 | group2 | colA     | 12.000 |
| 2 | group3 | colA     | 14.000 |
| 3 | group1 | colB     | 5.000  |
| 4 | group2 | colB     | 3.000  |
+---+--------+----------+--------+
此数据的格式可以使用x、y和C关键字：

df_melt.hvplot.heatmap(x='group', y='variable', C='value')

hv.HeatMap(df_melt, kdims=['group', 'variable'], vdims=['value'])
或者您可以使用熔化（长）数据在HoloView中创建热图：

df_melt.hvplot.heatmap(x='group', y='variable', C='value')

hv.HeatMap(df_melt, kdims=['group', 'variable'], vdims=['value'])
融化数据的优点是，您现在还可以轻松地将数据标签添加到热图中：

+--------------------------+
|         colA  colB  colC |
+--------------------------+
| group1    10 5.000 1.200 |
| group2    12 3.000 4.500 |
| group3    14 1.200 2.300 |
+--------------------------+

import pandas as pd
import holoviews as hv
import hvplot.pandas
hv.extension('bokeh')

df = pd.DataFrame({
    'colA': [10, 12, 14],
    'colB': [5, 3.0, 1.2],
    'colC': [1.2, 4.5, 2.3]},
    index=['group1', 'group2', 'group3'],
)

df.hvplot.heatmap()

heatmap = df.hvplot.heatmap()

heatmap * hv.Labels(heatmap)

+------------------------------+
|      group colA  colB  colC  |
+------------------------------+
| 1   group1    10 5.000 1.200 |
| 2   group2    12 3.000 4.500 |
| 3   group3    14 1.200 2.300 |
+------------------------------+

df_melt = df.melt(id_vars='group')

heatmap = df_melt.hvplot.heatmap(x='group', y='variable', C='value')
labels = hv.Labels(data=df_melt, kdims=['group', 'variable'], vdims=['value'])

heatmap * labels

heatmap = df_melt.hvplot.heatmap(x='group', y='variable', C='value')
heatmap * hv.Labels(heatmap)
向热图添加数据标签/值的另一种（甚至）更简单的方法如下：

+--------------------------+
|         colA  colB  colC |
+--------------------------+
| group1    10 5.000 1.200 |
| group2    12 3.000 4.500 |
| group3    14 1.200 2.300 |
+--------------------------+

import pandas as pd
import holoviews as hv
import hvplot.pandas
hv.extension('bokeh')

df = pd.DataFrame({
    'colA': [10, 12, 14],
    'colB': [5, 3.0, 1.2],
    'colC': [1.2, 4.5, 2.3]},
    index=['group1', 'group2', 'group3'],
)

df.hvplot.heatmap()

heatmap = df.hvplot.heatmap()

heatmap * hv.Labels(heatmap)

+------------------------------+
|      group colA  colB  colC  |
+------------------------------+
| 1   group1    10 5.000 1.200 |
| 2   group2    12 3.000 4.500 |
| 3   group3    14 1.200 2.300 |
+------------------------------+

df_melt = df.melt(id_vars='group')

heatmap = df_melt.hvplot.heatmap(x='group', y='variable', C='value')
labels = hv.Labels(data=df_melt, kdims=['group', 'variable'], vdims=['value'])

heatmap * labels

heatmap = df_melt.hvplot.heatmap(x='group', y='variable', C='value')
heatmap * hv.Labels(heatmap)


结果图：

+--------------------------+
|         colA  colB  colC |
+--------------------------+
| group1    10 5.000 1.200 |
| group2    12 3.000 4.500 |
| group3    14 1.200 2.300 |
+--------------------------+

import pandas as pd
import holoviews as hv
import hvplot.pandas
hv.extension('bokeh')

df = pd.DataFrame({
    'colA': [10, 12, 14],
    'colB': [5, 3.0, 1.2],
    'colC': [1.2, 4.5, 2.3]},
    index=['group1', 'group2', 'group3'],
)

df.hvplot.heatmap()

heatmap = df.hvplot.heatmap()

heatmap * hv.Labels(heatmap)

+------------------------------+
|      group colA  colB  colC  |
+------------------------------+
| 1   group1    10 5.000 1.200 |
| 2   group2    12 3.000 4.500 |
| 3   group3    14 1.200 2.300 |
+------------------------------+

df_melt = df.melt(id_vars='group')

heatmap = df_melt.hvplot.heatmap(x='group', y='variable', C='value')
labels = hv.Labels(data=df_melt, kdims=['group', 'variable'], vdims=['value'])

heatmap * labels

heatmap = df_melt.hvplot.heatmap(x='group', y='variable', C='value')
heatmap * hv.Labels(heatmap)

有关hvplot中热图的更多信息：

有关HoloView中热图的更多信息：

有关HoloView中（数据）标签的更多信息：

对于您想要的，您可以执行以下操作：

df.hvplot.heatmap(x='index', y='columns', colorbar=True)
我甚至发现了如何在holoviews中绘制这个：
hv.HeatMap（{'x'：df.columns，'y'：df.index，'z'：df}，['x'，'y']，'z'）
但是同样的语法在hvplot中不起作用谢谢Alex，你能提出一个问题要求我们在hvplot中支持它吗？谢谢philippjfr！当然，我会尽快报告（同时，很抱歉问了两次-您已经向我解释过一次如何指定值维度，我很尴尬地意识到这一点）非常感谢，我不知道df.melt可以在这里应用，期待着尝试。很好的解释！