Plotly es una biblioteca de Python que se utiliza para diseñar gráficos, especialmente gráficos interactivos. Puede trazar varios gráficos y tablas como histograma, diagrama de barras, diagrama de caja, diagrama de dispersión y muchos más. Se utiliza principalmente en el análisis de datos, así como en el análisis financiero. plotly es una biblioteca de visualización interactiva.
Mapas de calor usando graph_objects
Un mapa de calor es una representación gráfica bidimensional de datos donde los valores individuales que están contenidos en una array se representan como colores.
Sintaxis: plotly.graph_objects.Heatmap(arg=Ninguno, autocolorscale=Ninguno, colorbar=Ninguno, colorscale=Ninguno, x=Ninguno, y=Ninguno, z=Ninguno, **kwargs)
Parámetros:
arg: dict de propiedades compatibles con este constructor
autocolorscale: determina si la escala de colores es una paleta predeterminada (autocolorscale: true) o la paleta determinada por la escala de colores.
colorbar: plotly.graph_objects.heatmap.ColorBar instancia o dictado con propiedades compatibles
escala de colores: establece la escala de colores. La escala de colores debe ser una array que contenga arrays que asignen un valor normalizado a una string de color rgb, rgba, hexadecimal, hsl, hsv o con nombre.
x: Establece las coordenadas x.
y: establece las coordenadas y.
z: establece las coordenadas z.
Ejemplo:
Python3
import plotly.graph_objects as go feature_x = np.arange(0, 50, 2) feature_y = np.arange(0, 50, 3) # Creating 2-D grid of features [X, Y] = np.meshgrid(feature_x, feature_y) Z = np.cos(X / 2) + np.sin(Y / 4) fig = go.Figure(data = go.Heatmap(x = feature_x, y = feature_y, z = Z,)) fig.show()
Producción:
Presentación de mapa de calor con tamaños de bloque desiguales
En forma gráfica, es posible mostrar los tamaños desiguales de los bloques para que los datos se diferencien entre sí para que quede más claro mientras se presentan, ya que los datos tienen una altura y un ancho diferentes en comparación con los demás.
Ejemplo:
Python3
import plotly.graph_objects as go feature_x = np.arange(0, 50, 2) feature_y = np.arange(0, 50, 3) # Creating 2-D grid of features [X, Y] = np.meshgrid(feature_x, feature_y) Z = np.cos(X / 2) + np.sin(Y / 4) fig = go.Figure(data=go.Heatmap( x=feature_x, y=feature_y, z=Z,)) fig.update_layout( margin=dict(t=200, r=200, b=200, l=200), showlegend=False, width=700, height=700, autosize=False) fig.show()
Producción:
Publicación traducida automáticamente
Artículo escrito por nishantsundriyal98 y traducido por Barcelona Geeks. The original can be accessed here. Licence: CCBY-SA