软件测试|Python数据可视化神器——pyecharts教程（八）

Pyecharts绘制热力图

当涉及可视化数据时，热力图是一种强大的工具，它可以帮助我们直观地了解数据集中的模式和趋势。在本文中，我们将学习如何使用 Python 中的 Pyecharts 库创建热力图，以便将数据转化为可视化的形式。

什么是热力图？

热力图是一种用于显示数据密度的二维图表，其中颜色的变化表示在坐标上的数据值。热力图通常用于可视化数据集中的分布，以便查看数据的高密度和低密度区域，从而识别出数据的模式和关联性。

数据准备

为了演示，我们将使用一个虚拟的数据集，其中包含了一些随机生成的数据点。在实际绘制中，我们可以根据自己的需求替换为真实的数据。代码如下：

import random

data = []
for _ in range(100):
    data.append([random.randint(0, 10), random.randint(0, 10), random.randint(1, 100)])

这个数据集由一系列三元组组成，分别表示 x 坐标、y 坐标和数据值。

绘制基本热力图

现在我们将使用 Pyecharts 来创建热力图。以下是创建热力图的步骤：

1. 所需的库和模块：

from pyecharts import options as opts
from pyecharts.charts import HeatMap

1. 创建 HeatMap 实例，并设置数据和基本配置：

heatmap = HeatMap()
heatmap.add_xaxis(list(range(11)))  # X 轴范围为 0 到 10
heatmap.add_yaxis("", list(range(11)), data)
heatmap.set_global_opts(
    title_opts=opts.TitleOpts(title="热力图示例"),
    visualmap_opts=opts.VisualMapOpts(is_show=False),  # 可以自定义调整颜色映射等参数
)
heatmap.set_series_opts(label_opts=opts.LabelOpts(is_show=False))

1. 生成 HTML 文件或在 Jupyter Notebook 中显示热力图：

heatmap.render("heatmap.html")  # 将热力图保存为 HTML 文件
heatmap.render_notebook()  # 在 Jupyter Notebook 中显示热力图

热力图如下：

在这个示例中，我们设置了 X 轴和 Y 轴的坐标范围为 0 到 10，然后通过 add_xaxis 和 add_yaxis 方法将数据添加到热力图中。通过 set_global_opts 方法，我们可以设置标题和颜色映射，通过set_series_opts设置是否展示热力图的数值。

添加色块数值

当我们将opts.LabelOpts的is_show参数设置为True时，每个色块上将显示对应的数值，如下：

import random
from pyecharts import options as opts
from pyecharts.charts import HeatMap


data = []
for _ in range(100):
    data.append([random.randint(0, 10), random.randint(0, 10), random.randint(1, 100)])


heatmap = HeatMap()
heatmap.add_xaxis(list(range(11)))  # X 轴范围为 0 到 10
heatmap.add_yaxis("", list(range(11)), data)
heatmap.set_global_opts(
    title_opts=opts.TitleOpts(title="热力图示例"),
    visualmap_opts=opts.VisualMapOpts(is_show=False),  # 可以自定义调整颜色映射等参数
)
heatmap.set_series_opts(label_opts=opts.LabelOpts(is_show=True))


heatmap.render("heatmap.html")  # 将热力图保存为 HTML 文件

添加热力标尺

当opts.VisualMapOpts()的is_show设置为True时，会在热力图中添加热力标尺，我们在拖动热力标尺时，会突出相应的色块。

import random
from pyecharts import options as opts
from pyecharts.charts import HeatMap


data = []
for _ in range(100):
    data.append([random.randint(0, 10), random.randint(0, 10), random.randint(1, 100)])


heatmap = HeatMap()
heatmap.add_xaxis(list(range(11)))  # X 轴范围为 0 到 10
heatmap.add_yaxis("", list(range(11)), data)
heatmap.set_global_opts(
    title_opts=opts.TitleOpts(title="热力图示例"),
    visualmap_opts=opts.VisualMapOpts(is_show=True),  # 可以自定义调整颜色映射等参数
)
heatmap.set_series_opts(label_opts=opts.LabelOpts(is_show=True))


heatmap.render("heatmap.html")  # 将热力图保存为 HTML 文件

总结

通过使用 Pyecharts 库，我们可以轻松地创建漂亮的热力图，以便更好地理解和展示数据集中的模式和趋势。本文介绍了创建热力图的基本步骤，我们可以根据需要进一步定制热力图的样式和设置，以便最好地展示数据。

最后感谢每一个认真阅读我文章的人，礼尚往来总是要有的，虽然不是什么很值钱的东西，如果你用得到的话可以直接拿走：

这些资料，对于【软件测试】的朋友来说应该是最全面最完整的备战仓库，这个仓库也陪伴上万个测试工程师们走过最艰难的路程，希望也能帮助到你！