De acordo com o mapa de calor acima, o mês de junho a agosto tem uma temperatura elevada em relação aos outros meses devido ao verão e a baixa temperatura no mês de dezembro, já que é a temporada de inverno. Ao usar o mapa de calor, pode facilmente exibir temperaturas extremamente baixas e altas. No período FEB, observe o bloco branco porque FEB tem apenas 28 dias.
O aplicativo calplot separa cada mês do ano e os dias da semana e fornece uma imagem limpa. podemos personalizar as imagens conforme necessário, adicionando a cor ou estilo personalizado ao mapa de calor.
Aqui você pode relacionar facilmente com a temperatura com a linha adicionada ao gradiente do mapa de cores não habilitado.
No mapa de calor acima, incluímos um título e tornamos o texto do ano com a cor preta.
Também podemos mostrar os valores dentro do bloco e redimensionar a imagem usando o tamanho da figura para melhor visualização.. Aqui, os valores ausentes são preenchidos com '-'. Porém, não temos nenhum dado ausente neste conjunto de dados.
Visualizando valores ausentes no mapa de calor
O bloco branco acima indica o valor ausente. quando os valores correspondentes são mostrados no quadrado, cada valor ausente é substituído por '-‘ como discutimos antes.
e calplot, se os dados contiverem o valor ausente, são preenchidos por padrão e algum valor é substituído por zero se não puder preencher o valor ausente. Se drop zero = False não é definido, é preenchido com '-'.
podemos tornar a borda da linha que separa o mês mais espessa usando a largura da linha.
Mapa de cores personalizado no calplot
Para fazer a escala de cores personalizada, faça a lista de cores hexadecimais e atribua-a ao calplot. Fornecendo a série de valores hexadecimais, é organizado de acordo com a cor do gradiente. Para inverter o gradiente, reorganizar a lista de valores hexadecimais.
Quando usar um mapa do calendário?
Um mapa de calor do calendário é útil para analisar valores diários ou o dia da semana. Se quisermos ver os dados diários de todo o ano, mapas de calor do calendário são úteis.
Espero que tenha gostado de ler sobre meu trabalho e meu conhecimento!! Qualquer sugestão e feedback é sempre bem-vindo.
Sobre o autor
Soy Kavitha, um desenvolvedor de software e entusiasta do aprendizado de máquina fascinado por computação e inteligência artificial.
A mídia mostrada neste artigo não é propriedade da DataPeaker e é usada a critério do autor.