我可以在 Python 的 Plotly 热图中指定单元格宽度和高度吗?

Can I specify the cell width and height in Python's Plotly Heatmap?

问题陈述

我正在尝试使用 plotly.graph_objects.Heatmap 来显示 (x, y, z) 值的数据集,其中 x 和 y 不在固定的矩形网格上。 x 值在单个网格上等距分布,并且在每个 x 值处都有一个等距分布的 y 网格。 y 网格从一个 x 值到下一个 x 值任意不同(开始、停止、数量,所有可能不同)。所需的行为是一组以每个数据点为中心的连续矩形,其宽度由图中 x 的间距和每列内 y 的间距决定。

这是 matplotlibimshow 的样子:

Heatmap 的行为使得使用每个单元格的中心指定这种类型的图变得容易,但我不知道如何控制列的宽度。而不是我想要的宽度,所有的宽度都是1.

第二个问题是我尝试执行此操作的方式(见下文)相当慢。

我试过的

为了绘制上面的第二个图,我在 x 值上循环。对于每个值,我构建一个重复 x 的数组以匹配该列的 y 和 z 数组的长度,并且我 add_trace 这与我的数字相匹配。对于我的案例来说,这是一个方便的构造,因为它确保 y 网格的间距适合每一列。但是由于每个跟踪中的 x 参数有一个重复值,宽度设置为 1。正如我上面所说,这也很慢。

我看过 https://plot.ly/python/heatmaps and read the documentation at https://plot.ly/python/reference/#heatmap 中的示例。

我试图理解 x 值的替代 x0dx 构造,但我不清楚这方面的文档,经过一些实验后我继续前进。

我还尝试使用 xgap 参数来减少单元格宽度的外观,但由于这是以像素为单位,因此会破坏绘图的缩放行为。它也不会更改悬停工具所关注的区域,这会破坏悬停行为。

最后,我还尝试构建一个 pandas.DataFrame 来保存所有 (x, y, z) 值以及我想要的悬停文本。这速度更快,但看起来它试图使 y 轴与图中所有不同的 y 网格相称,从而导致 sparse-looking 非常瘦的矩形数组。

最小示例

理想情况下,我想找到一种快速且 natural-looking 的方法来生成以下内容,其中 x 边界正好落在 -0.25、0.25 和 0.75。

fig = go.Figure(
    layout={
        "xaxis": {"range": (-0.25, 0.75),
        "tickvals": [-0.25, 0.25, 0.75]
    }
)
fig.add_trace(
    go.Heatmap(
        x=[0, 0, 0],
        y=[2, 4, 6],
        z=[-1, 1, 0],
        name="Name A",
    )
)
fig.add_trace(
    go.Heatmap(
        x=[0.5, 0.5, 0.5],
        y=[6.1, 6.4, 6.7],
        z=[-1, 1, 2],
        name="Name B",
    )
)
fig.show()

有什么我可以轻松(或不太容易)添加到上述构造中以将单元格宽度设置为 0.5 的东西吗?如果不是,我应该使用完全不同的结构吗?

好的,我们开始吧,您可以使用现有的 x0dx 参数,如下所示,并注意以下事项:

  1. z 不再是 [a,b,c] 而是 [[a],[b],[c]],因为 x0/dx 仅适用于 z 作为二维数组。
  2. 每条轨迹都使用 coloraxis="coloraxis1",因此它们共享颜色 space 和颜色条。您可以在 layout.coloraxis1.
  3. 中配置该颜色 space/bar

代码:

import plotly.graph_objects as go

fig = go.Figure()

fig.add_trace(
    go.Heatmap(
        x0=0,dx=0.5,
        y=[2, 4, 6],
        z=[[-1], [1], [0]],
        name="Name A",
        coloraxis="coloraxis1"
    )
)
fig.add_trace(
    go.Heatmap(
        x0=0.5,dx=0.5,
        y=[6.1, 6.4, 6.7],
        z=[[-1], [1], [2]],
        name="Name B",
        coloraxis="coloraxis1"
    )
)
fig.update_layout(coloraxis1=dict(
    colorscale="Plasma"
))
fig.show()

输出如下: