Tracé - Heatmap

Une carte thermique (ou carte thermique) est une représentation graphique de données où les valeurs individuelles contenues dans une matrice sont représentées sous forme de couleurs. L'objectif principal des cartes thermiques est de mieux visualiser le volume des emplacements / événements dans un ensemble de données et d'aider à diriger les téléspectateurs vers les zones de visualisation de données les plus importantes.

En raison de leur dépendance à la couleur pour communiquer les valeurs, les cartes thermiques sont peut-être les plus couramment utilisées pour afficher une vue plus générale des valeurs numériques. Les cartes thermiques sont extrêmement polyvalentes et efficaces pour attirer l'attention sur les tendances, et c'est pour ces raisons qu'elles sont devenues de plus en plus populaires au sein de la communauté analytique.

Les cartes thermiques sont naturellement explicites. Plus la teinte est foncée, plus la quantité est grande (plus la valeur est élevée, plus la dispersion est serrée, etc.). Le module graph_objects de Plotly contientHeatmap()fonction. Il faut x,y et zles attributs. Leur valeur peut être une liste, un tableau numpy ou une trame de données Pandas.

Dans l'exemple suivant, nous avons une liste ou un tableau 2D qui définit les données (récolte par différents agriculteurs en tonnes / an) en code couleur. Nous avons également besoin de deux listes de noms d'agriculteurs et de légumes cultivés par eux.

vegetables = [
   "cucumber", 
   "tomato", 
   "lettuce", 
   "asparagus",
   "potato", 
   "wheat", 
   "barley"
]
farmers = [
   "Farmer Joe", 
   "Upland Bros.", 
   "Smith Gardening",
   "Agrifun", 
   "Organiculture", 
   "BioGoods Ltd.", 
   "Cornylee Corp."
]
harvest = np.array(
   [
      [0.8, 2.4, 2.5, 3.9, 0.0, 4.0, 0.0],
      [2.4, 0.0, 4.0, 1.0, 2.7, 0.0, 0.0],
      [1.1, 2.4, 0.8, 4.3, 1.9, 4.4, 0.0],
      [0.6, 0.0, 0.3, 0.0, 3.1, 0.0, 0.0],
      [0.7, 1.7, 0.6, 2.6, 2.2, 6.2, 0.0],
      [1.3, 1.2, 0.0, 0.0, 0.0, 3.2, 5.1],
      [0.1, 2.0, 0.0, 1.4, 0.0, 1.9, 6.3]
   ]
)
trace = go.Heatmap(
   x = vegetables,
   y = farmers,
   z = harvest,
   type = 'heatmap',
   colorscale = 'Viridis'
)
data = [trace]
fig = go.Figure(data = data)
iplot(fig)

La sortie du code mentionné ci-dessus est donnée comme suit -