[Python] Kalender Heatmap [Plotly] Memo

Überblick

• Ich wollte eine kalenderähnliche Wärmekarte mit Energiedaten erstellen.
• Es gibt quietap, aber es scheint, dass es Pandas 1.0 oder höher nicht unterstützt. (Verwenden Sie ix?)
• Ich habe es mit Verschwörung gemacht, weil es eine große Sache war. (Hovertext ist in Mode ...)

Implementierung

• Nutzungsdaten

• Quellcode

gen_calmap

def gen_calmap(df,column_name_lst,aggr='sum',height= 260,width = 900):
    try:
        for column_name in column_name_lst:

            # heatmap_df_erste Generation
            heatmap_df_lst = _calender_heatmap_df(df,column_name,aggr)
            
            for heatmap_df in heatmap_df_lst:
                fig = px.imshow(heatmap_df[0],
                                x=heatmap_df[0].columns.unique(),
                                y=heatmap_df[0].index.unique(),
                                labels={'y':'Weekday','x':'Week','color':column_name},
                                width=width,
                                height=height,
                                aspect='auto',
                                )
                
                #Fügen Sie eine Lücke zwischen den Zellen ein
                fig.data[0]['ygap']=1
                fig.data[0]['xgap']=1
                
                fig.update_traces(
                    text = heatmap_df[1],
                    hovertemplate="Date: %{text} <br>Week: %{x} <br>Weekday: %{y} <br> "+ column_name +": %{z}"
                )
                fig.show()
    except:
        print('Es konnte keine Ruhekarte generiert werden.')

def _calender_heatmap_df(df,column_name,aggr='sum'):
    heatmap_df_lst =[]
    
    #DataFrame-Regeneration
    data = pd.DataFrame(eval("df[column_name].resample('D').{}()".format(aggr)))
    data.index = pd.to_datetime(data.index)
    
    ## add data
    data['week'] = pd.to_datetime(data.index).strftime('Week:%W')
    data['weekday'] = pd.to_datetime(data.index).weekday
    data['date'] = pd.to_datetime(data.index).strftime('%Y/%m/%d')

    weekday_dic = {0:'Mon',1:'Tue',2:'Wed',3:'Thr',4:'Fri',5:'Sat',6:'Sun'}
    
    #Datenerweiterung
    for year in data.index.year.unique():
        #Heatmap-Generierung
        heatmap_df = data.loc[data.index.year == year,:].pivot_table(index='weekday',columns='week',values=column_name)
        
        #Sortieren Sie die Tage in der Reihenfolge Montag → Sonntag
        heatmap_df = heatmap_df.rename(index=weekday_dic)
        
        #Datum generieren df
        date_df = data.loc[data.index.year == year,:].pivot(index='weekday',columns='week',values='date')
        date_df = date_df.rename(index=weekday_dic)
        
        #Fügen Sie df zur Liste hinzu
        heatmap_df_lst.append([heatmap_df,np.array(date_df)])
        
    return heatmap_df_lst

Lauf

gen_calmap(df=data,column_name_lst=['Elektrische Energie[kWh]','Gasmenge[m3]'],aggr='sum')

Ergebnis

• Ich konnte mich gut fühlen.

Zusammenfassung

• Ich denke nicht besonders an Fehler.
• Es sieht aus wie Github.