VectorBT热力图：Series值显示错误与DataFrame标签优化问题

一、Series与DataFrame生成热力图的行为差异原因 #

VectorBT对两种数据结构的热力图处理逻辑存在本质区别：

• 带MultiIndex的Series：默认将索引层级视为连续数值维度，会自动进行插值或网格化处理，而非直接映射为离散类别。这会导致额外生成不存在的数据点，破坏原始数据对应关系。
• DataFrame：直接将行/列作为离散类别映射到热力图轴，每个单元格严格对应DataFrame的具体值，无额外插值操作，因此值显示准确。

二、Series热力图值错误的根源 #

你的Series中rel_mom_entry层级全为单一值0，rel_mom_exit为多个离散数值。VectorBT默认将两个层级都当作连续数值轴处理：

1. 因rel_mom_entry只有0，会自动扩展出极小的x轴区间；
2. 对rel_mom_exit的数值进行网格化插值，生成大量非原始数据点；
3. 即使添加is_x_category=True/is_y_category=True，MultiIndex的结构仍会导致内部值映射逻辑混乱，无法将每个元组对应到唯一热力图单元格。

三、修复方案 #

方案1：修复Series热力图 #

强制VectorBT将索引层级作为离散类别处理，禁用插值，确保仅渲染真实数据点：

# 提取索引层级的唯一类别值
x_cats = new_series.index.get_level_values('rel_mom_entry').unique()
y_cats = new_series.index.get_level_values('rel_mom_exit').unique()

# 生成热力图并配置关键参数
fig = new_series.vbt.heatmap(
    x_level='rel_mom_entry',
    y_level='rel_mom_exit',
    is_x_category=True,
    is_y_category=True,
    x_categories=x_cats,
    y_categories=y_cats,
    interpolation='none'  # 禁用插值，只显示原始数据
)
fig.show()

方案2：优化DataFrame热力图标签 #

先将Series转为DataFrame，再通过自定义布局优化标签显示：

# 将Series转换为DataFrame（按rel_mom_entry拆列为列）
df = new_series.unstack(level='rel_mom_entry')

# 生成基础热力图
fig = df.vbt.heatmap()

# 自定义轴标签与刻度
fig.update_layout(
    xaxis_title='rel_mom_entry',
    yaxis_title='rel_mom_exit',
    xaxis=dict(tickmode='array', tickvals=[0], ticktext=['0']),
    yaxis=dict(tickmode='array', tickvals=y_cats, ticktext=[str(val) for val in y_cats])
)

# 自定义悬停文本（可选，提升可读性）
fig.update_traces(
    hovertemplate='rel_mom_entry: %{x}<br>rel_mom_exit: %{y}<br>值: %{z}<extra></extra>'
)

fig.show()

内容的提问来源于stack exchange，提问作者bend_it_like_backend