Python 全息视图热图为每个点指定颜色
我试图在HoloView中为每个点生成一个具有自定义颜色值的热图,以便指定不同的alpha颜色值 目前,我正在生成两个具有不同alpha值的Holoviews图,并将其叠加如下:Python 全息视图热图为每个点指定颜色,python,pandas,dataframe,bokeh,holoviews,Python,Pandas,Dataframe,Bokeh,Holoviews,我试图在HoloView中为每个点生成一个具有自定义颜色值的热图,以便指定不同的alpha颜色值 目前,我正在生成两个具有不同alpha值的Holoviews图,并将其叠加如下: data = pd.DataFrame([(i, 97+j, i*j) for i in range(5) for j in range(5)], columns=['x', 'y', 'val']) data_filtered = data[(data.x < 3) &
data = pd.DataFrame([(i, 97+j, i*j) for i in range(5) for j in range(5)],
columns=['x', 'y', 'val'])
data_filtered = data[(data.x < 3) & (data.y < 100)]
hm_opts = dict(kdims=['x', 'y'], vdims=['val'])
hm = hv.HeatMap(data, **hm_opts).opts(alpha=0.5)
hm_filtered = hv.HeatMap(data_filtered, **hm_opts).opts()
hm * hm_filtered
有没有办法告诉HoloView使用这些颜色?
当我将颜色列表传递给“cmap”参数时,它将其解释为颜色间隔,传递列的名称会引发错误,因为它找不到指定的cmap
当我将列表传递给“color”参数时,Jupyter笔记本中不再显示绘图
编辑
我找到了一种直接使用Bokeh库获取所需内容的方法。Bokeh也是我在Holview中使用的后端。这是代码和结果图
source = ColumnDataSource(
data=data
)
x_unique = data['x'].unique()
y_unique = data['y'].unique()
min_width = 110
min_height = 80
width = min_width + 25 * len(x_unique)
height = min_height + 25 * len(y_unique)
x_rect_width = 0.90
y_rect_width = 0.90
plot = figure(
plot_width=width,
plot_height=height,
title='',
x_range=FactorRange(*x_unique),
y_range=FactorRange(*y_unique),
x_axis_label='x',
y_axis_label='y',
)
plot.rect('x', 'y', height=y_rect_width, width=x_rect_width, source=source, color='color')
plot.xgrid.grid_line_color = None
plot.ygrid.grid_line_color = None
show(plot)
Bokeh允许将颜色列名传递给rect函数的“color”参数。
无论如何,我还是希望它能成为Holoviews的容器,这样我就可以将它组合起来,并在上面构建交互式应用程序
解决方案
在@thomas pedot的帮助下,我找到了一个类似于我所寻找的解决方案:
data = pd.DataFrame([(i, 97+j, i*j) for i in range(5) for j in range(5)],
columns=['x', 'y', 'val'])
data = data.assign(alpha=((data.x < 3) & (data.y < 100)).replace({True: 1.0, False: 3/8}))
red = '#FF0000'
yellow = '#FFFF00'
green = '#00FF00'
blue_violet = '#8A2BE2'
max_cout = data.loc[:, column].max()
levels = [0, 1, max_cout / 2, max_cout - 1, max_cout]
colors = [green, yellow, red, blue_violet]
hm_opts = dict(kdims=['x', 'y'], vdims=['val', 'alpha'])
hm = hv.HeatMap(data, **hm_opts).opts(
alpha=hv.dim('alpha'),
color_levels=levels,
cmap=colors)
hm
data=pd.DataFrame([(i,97+j,i*j)表示范围(5)中的i,表示范围(5)中的j)],
列=['x','y','val'])
data=data.assign(alpha=((data.x<3)和(data.y<100)).replace({True:1.0,False:3/8}))
红色=“#FF0000”
黄色=“#FFFF00”
绿色=“#00FF00”
蓝紫色=“#8A2BE2”
max_cout=data.loc[:,column].max()
级别=[0,1,最大值/2,最大值-1,最大值]
颜色=[绿色、黄色、红色、蓝色和紫色]
hm_opts=dict(kdims=['x','y'],vdims=['val','alpha'])
hm=hv.热图(数据,**hm_选项)。选项(
alpha=高压尺寸(“alpha”),
颜色水平=水平,
cmap=颜色)
陛下
将熊猫作为pd导入
将全息视图导入为hv
将matplotlib导入为mpl
hv.extension('matplotlib')
数据=pd.数据帧([(i,97+j,i*j)表示范围(5)中的i,表示范围(5)中的j)],
列=['x','y','val'])
数据过滤=数据[(数据x<3)和(数据y<100)]
cmap1=mpl.colors.ListedColormap([''00FF00','FFB89F','D3AFF4']))
hm_opts=dict(kdims=['x','y'],vdims=['val'])
hm=hv.热图(数据,**hm_opts).opts(α=0.5,cmap=cmap1)
结果:
我添加了行cmap1=mpl.colors.ListedColormap([''00FF00','FFB89F','D3AFF4'])
,它允许您指定所需的颜色。如果您将其更新为颜色列表(整个热图范围内的列表),那么它将完全符合您的需要。我想您可以在您的情况下使用df[“color”]
(可能先直接转换为list,但这样就可以了)
注意,我还在热图中添加了cmap=cmap1
param'opt
我假设您在后台使用matplotlib,因为您没有另外指定。不容易。。。我尝试了很多不同的转换到rgba,然后返回到十六进制cmap,但没有成功 要有风格
data=pd.DataFrame([(i,97+j,i*j)表示范围(5)中的i,表示范围(5)中的j)],
列=['x','y','val'])
数据['a_new']=0.5
#做一个你的面具
掩码=(数据x<3)和(数据y<100)
#将其添加到列中
data1.loc[mask'a_new']=1.0
#将新列添加到新维度
hm_opts_new=dict(kdims=['x','y'],vdims=['val','a_new']))
#喜欢吗?我希望。。。根据新列设置alpha选项
hv.HeatMap(数据1,**hm_opts_new).opts(opts.HeatMap(工具=['hover'],alpha=dim('a_new'))
感谢@Roim的回答。我遇到了类似的问题,但无法将您的解决方案改为使用bokeh而不是matplotlib。我认为这将是相当困难的,例如使用bokeh.models.LinearColorMapper()
或bokeh.models.CategoricalColorMapper()
,但无法让hvplot接受它们作为有效的颜色贴图。我似乎也无法在bokeh上使用它们。我想很有可能是个小虫子。。。我得更深入地研究这个问题,才能给出一个好的答案。这很好。我不知道可以将维度名称传递给alpha参数。因此,现在我只需要调整我的基本颜色,以匹配我在自定义颜色映射中曾经拥有的颜色。这样,我甚至不必直接指定每个点的颜色。我可以编辑我的问题,但我还不能回答,因为我没有足够的声誉。我编辑了我的问题,并将此答案标记为解决方案。非常感谢@thomas pedot!谢谢你,伊雷夫。有趣的是,当我遵循您的示例并使用hv.HeatMap(ds…
其中ds是一个Xarray数据集时,它工作得非常好,但是ds.hvplot(…kind='HeatMap')
为图像打印提供了一个vdims选项
警告。
data = pd.DataFrame([(i, 97+j, i*j) for i in range(5) for j in range(5)],
columns=['x', 'y', 'val'])
data = data.assign(alpha=((data.x < 3) & (data.y < 100)).replace({True: 1.0, False: 3/8}))
red = '#FF0000'
yellow = '#FFFF00'
green = '#00FF00'
blue_violet = '#8A2BE2'
max_cout = data.loc[:, column].max()
levels = [0, 1, max_cout / 2, max_cout - 1, max_cout]
colors = [green, yellow, red, blue_violet]
hm_opts = dict(kdims=['x', 'y'], vdims=['val', 'alpha'])
hm = hv.HeatMap(data, **hm_opts).opts(
alpha=hv.dim('alpha'),
color_levels=levels,
cmap=colors)
hm
data = pd.DataFrame([(i, 97+j, i*j) for i in range(5) for j in range(5)],
columns=['x', 'y', 'val'])
data['a_new'] = 0.5
# Make a mask of you filter
mask = (data.x < 3) & (data.y < 100)
# Add it to a column
data1.loc[mask, 'a_new'] = 1.0
#Add the new column to a new dimension
hm_opts_new = dict(kdims=['x', 'y'], vdims=['val','a_new'])
#Enjoy ? I hope... set the alpha option depends on your new column
hv.HeatMap(data1, **hm_opts_new).opts(opts.HeatMap(tools=['hover'], alpha=dim('a_new')))