Handlung.Äußern.Dichte_Heatmap

Lassen Sie uns eintauchen.

Funktionssyntax

Die Funktion Density_heatmap () hat eine Syntax, wie im Folgenden gezeigt:

Das Folgende ist eine Liste der nützlichsten Parameter, die Sie beim Erstellen der Dichte -Heatmaps mithilfe der Funktion Dichte_heatmap () kennen müssen:

1. Data_frame - Gibt den Datenrahmen an, der die im Diagramm verwendeten Spaltennamen enthält.
2. X - Legt die Werte fest, mit der die Markierungen entlang der x -Achse in der kartesischen Ebene positioniert werden können.
3. y - Legt die Werte fest, mit der die Markierungen entlang der y -Achse in der kartesischen Ebene positioniert werden können.
4. z - Positioniert die Markierungen entlang der Z -Achse.
5. facet_row - Legt die Werte fest, mit der die Markierungen facettierte Nebenhandlungen in vertikaler Richtung zugewiesen werden.
6. facet_col - Legt die Werte fest, mit der die Markierungen facettierte Nebenhandlungen entlang der horizontalen Richtung zugewiesen werden.
7. Orientierung - Definiert die Orientierung für die Handlung.
8. Histfunc - Definiert die im Diagramm verwendete Gesamtfunktion.
9. Titel - Legt den Titel für die Figur fest.
10. Breite Höhe - Definiert die Breite und Höhe der resultierenden Figur in Pixeln.

Praktisches Beispiel

Der folgende Code zeigt, wie Sie eine Dichtehitzemap unter Verwendung der Funktion dichte_heatmap () erstellen:

Handlung importieren.als px ausdrücken
df = px.Daten.Iris()
Abb = Px.Density_heatmap (df, x = 'sepal_length', y = 'sepal_width')
Feige.zeigen()

Der vorherige Code gibt die Dichte Heatmap zurück, wie im Folgenden dargestellt:

Festlegen der Anzahl der Mülleimer

Wir können die Anzahl der Behälter angeben, die wir mit den NBINX- und NBINSY -Parametern anzeigen möchten, wie im Folgenden gezeigt:

Handlung importieren.als px ausdrücken
df = px.Daten.Iris()
Abb = Px.Density_HeatMap (df, x = 'sepal_length', y = 'sepal_width', nbinX = 30, Nbinsy = 30)
Feige.zeigen()

Die resultierende Abbildung lautet wie folgt:

Hinzufügen von Randplots

Mit den Parametern marginal_x und marginal_y können Sie die Randplots zu einer Dichtehitzemap hinzufügen, wie im Folgenden gezeigt:

Handlung importieren.als px ausdrücken
df = px.Daten.Iris()
Abb = Px.Density_heatmap (df, x = 'sepal_length', y = 'sepal_width', nbinSX = 30, Nbinsy = 30, marginal_x = 'Histogramm', marginal_y = 'Histogramm')
Feige.zeigen()

Der vorherige Cod.

Die resultierende Abbildung lautet wie folgt:

Angabe einer Farbskala

Wir können auch einen gewünschten Farbenmaßstab für die Heatmap unter Verwendung des Parameters color_contininous_scale angeben, wie im Folgenden gezeigt:

Abb = Px.Density_heatmap (df, x = 'sepal_length', y = 'sepal_width', nbinSX = 30, nbinsy = 30, marginal_x = 'histogram', marginal_y = 'histogram', color_continuous_scale = px.Farben.sequentiell.Inferno)
Feige.zeigen()

Ausgangsabbildung:

Erstellen von Facettendichte Heatmap

Sie können auch die Nebenhandlungen der Facettehaltedichte mit den Parametern facet_row und facet_col erstellen, wie im folgenden Code dargestellt:

Handlung importieren.als px ausdrücken
df = px.Daten.Tipps ()
Abb = Px.Density_HeatMap (df, x = "Total_bill", y = "Tip", facet_row = "sex", facet_col = "raucher")
Feige.zeigen()

Ausgangsabbildung:

Und das ist es.

Abschluss

In diesem Artikel wird untersucht. Überprüfen Sie das Dokument für weitere.