使用hvplot.heatmap可视化Pandas DataFrame：如何指定值维度？

我来帮你搞定这个hvplot热力图的报错问题！你遇到的核心问题是hvplot的heatmap要求数据是「长格式（long-form）」，而你的DataFrame是「宽格式（wide-form）」，直接用宽格式数据会导致维度映射出错，咱们一步步来解决：

第一步：理解报错原因 #

• 第一个报错ValueError: Dimensions must be defined as a tuple...：因为你没明确告诉hvplot哪一列对应x轴、哪一列对应y轴、哪一列是颜色对应的数值，它没法自动识别宽格式的结构。
• 第二个报错ValueError: The truth value of a Index is ambiguous...：直接传df.index和df.columns当参数是不对的，hvplot需要的是字符串形式的列名，而不是索引对象本身。

第二步：把宽格式DataFrame转成长格式 #

咱们需要把你的宽格式数据（行是类别、列是活动、单元格是数值）转换成每行包含「类别、活动、对应数值」的长格式。可以用Pandas的stack()方法来快速转换：

# 先给你的索引起个名字，方便后续引用
df.index.name = 'category'
# 转换成长格式
long_df = df.stack().reset_index(name='score')
# 把自动生成的level_1列重命名成更直观的名字
long_df = long_df.rename(columns={'level_1': 'activity'})

第三步：用hvplot绘制热力图 #

现在用转换后的长格式数据，明确指定x、y、颜色对应的列（参数C代表颜色映射的数值列）：

import hvplot.pandas

# 绘制热力图，指定x、y、颜色列，开启颜色条
long_df.hvplot.heatmap(
    x='category', 
    y='activity', 
    C='score', 
    colorbar=True,
    cmap='summer'  # 可以沿用你之前喜欢的summer配色
)

额外小技巧 #

如果不想修改原DataFrame，也可以用melt()方法转换，效果完全一致：

long_df = df.reset_index().melt(
    id_vars='category', 
    var_name='activity', 
    value_name='score'
)

转换后的长格式数据是hvplot/holoviews这类可视化库更偏好的格式，不仅热力图，其他很多图表（比如散点图、折线图）也更适合用长格式数据来绘制。

内容的提问来源于stack exchange，提问作者Alex