impor plotly. graph_objects as go import numpy as np # Bangun persegi panjang sebagai peta panas # tentukan tepi kotak peta panas phi = (1 + np. akar(5) )/2. # rasio emas xe = [0, 1, 1+(1/(phi**4)), 1+(1/(phi**3)), phi] kamu = [0, 1/(phi**3) . Gambar(data=go. Peta panas( x = np. urutkan(xe), y = np. sort(ye), z = z, type = 'heatmap', colorscale = 'Viridis')) # Tambahkan plot garis spiral def spiral(th). a = 1. 120529 b = 0. 306349 r = a*np. exp(-b*th) kembali (r*np. cos(th), r*np. sin(th)) theta = np. linspace(-np. pi/13,4*np. pi,1000); . add_trace(lanjutkan. Sebar(x= -x+x[0], y= y-y[0], baris =dict(color='putih',lebar=3))) axis_template = dict(rentang = [0,1. 6], autorange = False, showgrid = False, zeroline = False, linecolor = 'black', showticklabels = False, ticks = '' ) fig. update_layout(margin = dict(t=200,r=200,b=200,l=200), xaxis = axis_template, yaxis = axis_template, showlegend = False, width = 700, height = 700, autosize = False ) fig. menunjukkan() Halo yang disana. Hari ini kita akan memahami penggunaan peta panas di Python dan cara membuatnya untuk kumpulan data yang berbeda Show
Apa itu Peta Panas?Peta panas memvisualisasikan data dalam peta berwarna 2-D menggunakan variasi warna seperti rona, saturasi, atau pencahayaan. Peta panas menggambarkan hubungan antar variabel dalam bentuk warna, bukan angka Variabel-variabel ini diplot pada kedua sumbu. Perubahan warna menggambarkan hubungan antara dua nilai sesuai dengan intensitas warna pada blok tertentu. Peta panas memiliki banyak aplikasi, beberapa di antaranya tercantum di bawah ini
Industri menggunakan HeatmapBanyak industri menggunakan peta panas saat ini. Beberapa industri tersebut adalah
Merencanakan Peta Panas dengan PythonAda beberapa cara untuk memplot peta panas dalam bahasa pemrograman python. Kami akan memahami setiap metode satu demi satu. Mari daftarkan metodenya sekali untuk kemudahan Anda
Metode 1. Menggunakan Perpustakaan SeabornUntuk memplot peta panas menggunakan pustaka seaborn, pertama-tama kita perlu mengimpor semua modul/library yang diperlukan ke program kita Kemudian kami membuat 'matriks acak' dengan ukuran tertentu dan kemudian memplot peta panas dengan bantuan fungsi # 1. Import Modules import numpy as np import seaborn as sns import matplotlib.pylab as plt plt.style.use("seaborn") # 2. Generate a 10x10 random integer matrix data = np.random.rand(10,10) print("Our dataset is : ",data) # 3. Plot the heatmap plt.figure(figsize=(10,10)) heat_map = sns.heatmap( data, linewidth = 1 , annot = True) plt.title( "HeatMap using Seaborn Method" ) plt.show()Peta Panas Menggunakan Seaborn Metode 2. Menggunakan Fungsi pcolormeshUntuk memplot peta panas menggunakan fungsi Kami akan memplot peta panas menggunakan berbagai import matplotlib.pyplot as plt import numpy as np data= np.random.rand(10,10) plt.subplot(2,2,1) plt.pcolormesh(data, cmap = 'rainbow') plt.title('HeatMap Using pcolormesh function') plt.subplot(2,2,2) plt.pcolormesh(data, cmap = 'twilight') plt.title('HeatMap Using pcolormesh function') plt.subplot(2,2,3) plt.pcolormesh(data, cmap = 'summer') plt.title('HeatMap Using pcolormesh function') plt.subplot(2,2,4) plt.pcolormesh(data, cmap = 'winter') plt.title('HeatMap Using pcolormesh function') plt.tight_layout() plt.show()_Peta Panas Menggunakan Fungsi Pcolormesh Metode 3. Menggunakan matplotlib. perpustakaan pyplotUntuk memplot peta panas menggunakan pustaka Sama seperti metode sebelumnya, kita akan memplot peta panas menggunakan berbagai import matplotlib.pyplot as plt import numpy as np data= np.random.rand(10,10) plt.subplot(2,2,1) plt.pcolormesh(data, cmap = 'rainbow') plt.title('HeatMap Using pcolormesh function') plt.subplot(2,2,2) plt.pcolormesh(data, cmap = 'twilight') plt.title('HeatMap Using pcolormesh function') plt.subplot(2,2,3) plt.pcolormesh(data, cmap = 'summer') plt.title('HeatMap Using pcolormesh function') plt.subplot(2,2,4) plt.pcolormesh(data, cmap = 'winter') plt.title('HeatMap Using pcolormesh function') plt.tight_layout() plt.show()1 menggunakan fungsi import matplotlib.pyplot as plt import numpy as np data= np.random.rand(10,10) plt.subplot(2,2,1) plt.pcolormesh(data, cmap = 'rainbow') plt.title('HeatMap Using pcolormesh function') plt.subplot(2,2,2) plt.pcolormesh(data, cmap = 'twilight') plt.title('HeatMap Using pcolormesh function') plt.subplot(2,2,3) plt.pcolormesh(data, cmap = 'summer') plt.title('HeatMap Using pcolormesh function') plt.subplot(2,2,4) plt.pcolormesh(data, cmap = 'winter') plt.title('HeatMap Using pcolormesh function') plt.tight_layout() plt.show()2 yang memerlukan kumpulan data dan kita dapat menentukan peta warna untuk memplot peta panas import numpy as np import matplotlib.pyplot as plt data= np.random.random((10,10)) plt.subplot(2,2,1) plt.imshow( data, interpolation = 'nearest',cmap="rainbow") plt.title('HeatMap Using Matplotlib Library') plt.subplot(2,2,2) plt.imshow( data, interpolation = 'nearest',cmap="twilight") plt.title('HeatMap Using Matplotlib Library') plt.subplot(2,2,3) plt.imshow( data, interpolation = 'nearest',cmap="summer") plt.title('HeatMap Using Matplotlib Library') plt.subplot(2,2,4) plt.imshow( data, interpolation = 'nearest',cmap="ocean") plt.title('HeatMap Using Matplotlib Library') plt.tight_layout() plt.show()_Heatmap Menggunakan Library Matplotlib Mengakhiri kata-kataTerima kasih telah membaca tutorial ini. Saya yakin saya telah membahas semua metode untuk memplot peta panas dan sekarang Anda dapat mencoba memplotnya untuk data waktu nyata. Nantikan lebih banyak tutorial seperti itu Bagaimana cara merencanakan peta panas untuk 3 variabel dengan Python?Kode Python langkah demi langkah untuk membuat peta panas . Langkah 1 - Impor paket Python yang diperlukan Langkah 2 - Muat kumpulan data Langkah - 3 Buat array Python Numpy Langkah 4 - Buat Pivot dengan Python Langkah 5 - Buat larik untuk membubuhi keterangan peta panas Langkah 6 - Buat figur Matplotlib dan tentukan plotnya Berapa banyak variabel dalam peta panas?Peta panas digunakan untuk menunjukkan hubungan antara dua variabel , satu diplot pada setiap sumbu.
Bisakah peta panas digunakan untuk variabel kategori?Jika kita ingin melihat bagaimana variabel kategori berinteraksi satu sama lain, peta panas adalah cara yang sangat berguna untuk melakukannya . Meskipun Anda dapat menggunakan peta panas untuk memvisualisasikan hubungan antara dua variabel kategori apa pun, sangat umum untuk menggunakan peta panas lintas dimensi waktu.
Apakah peta panas multivariat?Peta panas adalah metode visualisasi yang berguna untuk mengilustrasikan data multivarian saat ada banyak variabel untuk dibandingkan , seperti dalam analisis data besar. Ini adalah plot yang menampilkan nilai dalam skala warna dalam kisi. |