如何使用plotly.express.imshow的facet_row参数实现分面热力图？

尝试用plotly.express.imshow的facet_col参数绘制分面热力图，用Pandas生成了带多索引的DataFrame，但运行时出现AttributeError: 'DataFrame' object has no attribute 'dims'错误。用循环生成的4张热力图相互独立，轴没有关联，想知道能不能像px.scatter那样基于某列用facet_row/facet_col实现分面。

测试代码：

import pandas as pd
import numpy as np
import plotly.express as px

# Create the index for the data frame
x = np.linspace(-1,1, 6)
y = np.linspace(-1,1,6)
n_channel = [1, 2, 3, 4]

xx, yy = np.meshgrid(x, y)

zzz = np.random.randn(len(y)*len(n_channel),len(x))

df = pd.DataFrame(
    zzz,
    columns = pd.Index(x, name='x (m)'),
    index = pd.MultiIndex.from_product([y, n_channel], names=['y (m)', 'n_channel']),
)

print(df)

fig = px.imshow(
    df.reset_index('n_channel'),
    facet_col = 'n_channel',
)
fig.write_html(
    'plot.html',
    include_plotlyjs = 'cdn',
)

循环实现代码：

for n in n_channel:
    fig = px.imshow(
        df.query(f'n_channel=={n}').reset_index('n_channel', drop=True),
    )
    fig.write_html(
        f'plot_{n}.html',
        include_plotlyjs = 'cdn',
    )

px.imshow的分面逻辑和px.scatter不同，它要求输入的数组/数据结构是三维张量（比如形状为(n_facets, y_dim, x_dim)的numpy数组），不能直接传入带额外分类列的DataFrame——这就是你报错的原因。

要实现轴关联的分面热力图，有两种可行方式：

方式一：用三维numpy数组直接生成分面（最简洁） #

把不同n_channel的热力图数据堆叠成三维数组，直接传给px.imshow即可实现分面，且自动关联轴：

import pandas as pd
import numpy as np
import plotly.express as px

# 生成数据
x = np.linspace(-1,1, 6)
y = np.linspace(-1,1,6)
n_channel = [1, 2, 3, 4]

# 生成三维数据：维度为(分面数, y轴长度, x轴长度)
zzz = np.random.randn(len(n_channel), len(y), len(x))

# 绘制分面热力图
fig = px.imshow(
    zzz,
    facet_col=0,  # 按第0维度（n_channel）分面
    x=x,
    y=y,
    labels=dict(facet_col="n_channel", x="x (m)", y="y (m)", color="value"),
    title="轴关联的分面热力图"
)

# 统一所有子图的颜色范围，保证可视化一致性
fig.update_coloraxes(showscale=True, colorbar_x=-0.1)
fig.write_html('plot_facet.html', include_plotlyjs='cdn')

方式二：用长格式DataFrame+Graph Objects手动构建（灵活性更高） #

如果需要保留DataFrame结构，可以将数据转成长格式，用make_subplots创建子图，逐个添加热力图并关联轴：

import pandas as pd
import numpy as np
import plotly.graph_objects as go
from plotly.subplots import make_subplots

# 生成原始数据
x = np.linspace(-1,1, 6)
y = np.linspace(-1,1,6)
n_channel = [1, 2, 3, 4]

xx, yy = np.meshgrid(x, y)
zzz = np.random.randn(len(y)*len(n_channel),len(x))

df = pd.DataFrame(
    zzz,
    columns=pd.Index(x, name='x (m)'),
    index=pd.MultiIndex.from_product([y, n_channel], names=['y (m)', 'n_channel']),
).reset_index()

# 创建共享轴的子图
fig = make_subplots(
    rows=1, cols=4,
    subplot_titles=[f"n_channel={n}" for n in n_channel],
    shared_xaxes=True,
    shared_yaxes=True,
    horizontal_spacing=0.05
)

# 获取全局颜色范围，保证所有子图颜色刻度一致
z_min = df.iloc[:, 2:].min().min()
z_max = df.iloc[:, 2:].max().max()

# 逐个添加热力图
for idx, n in enumerate(n_channel, 1):
    channel_data = df[df['n_channel'] == n].set_index('y (m)').drop('n_channel', axis=1)
    fig.add_trace(
        go.Heatmap(
            z=channel_data.values,
            x=channel_data.columns,
            y=channel_data.index,
            zmin=z_min,
            zmax=z_max,
            coloraxis="coloraxis"
        ),
        row=1, col=idx
    )

# 调整布局
fig.update_layout(
    coloraxis=dict(colorbar=dict(title="value")),
    title_text="轴关联的分面热力图",
    height=400,
    width=1000
)
fig.write_html('plot_facet_go.html', include_plotlyjs='cdn')

关键说明 #

• px.imshow的分面依赖三维输入，这是它和px.scatter等统计图表的核心区别，不能直接传入带分类列的二维DataFrame。
• 两种方式都能实现轴关联：第一种代码更简洁，适合快速实现；第二种可自定义子图布局、标题等细节，灵活性更强。

内容的提问来源于stack exchange，提问作者user171780