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：

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')))