matplotlib / matplotlib/ipympl

My heatmap is blank

Offen
#509 1 Kommentar 0 Reaktionen 0 zugewiesene Personen Auf GitHub ansehen

Dieses Issue hat noch niemand übernommen.

Vorherrschende Sprache
Jupyter Notebook
Sterne
1.7k
Forks
234
PR-Merge-Kennzahlen
Keine gemergten PRs in 30 T.

Beschreibung

I am trying to create a heatmap with the follow data: It is a lot of data points, this is just a preview. Any ideas on why it is blank?
```
TF target importance
0 ZIC5 ZIC2 244.284998
1 DLX6 DLX5 146.211550
2 FOXD4L6 FOXD4L3 139.951544
3 DDX43 OOEP 133.502314
4 FOXD4L3 FOXD4L6 132.367859
5 DLX5 DLX6 131.638314
6 FOXD4 FOXD4L1 128.395748
7 HOXA11 HOXA10 112.056258
8 HOXA2 HOXA3 110.962698
9 ZIC2 ZIC5 109.077028
```

CODE BELOW:
```python
import os
import glob
import pickle
import pandas as pd
import numpy as np
import scanpy as sc
import loompy as lp

from dask.diagnostics import ProgressBar

from MulticoreTSNE import MulticoreTSNE as TSNE

import seaborn as sns
import matplotlib.pyplot as plt

df = pd.read_csv("adj.tsv", sep='\t')
print(df.head(10))
df = df.pivot("TF", "target", "importance")
hm = sns.heatmap(df, linewidth = 0.5, cmap = 'coolwarm')
```
Screenshot 2023-01-12 at 9 02 00 PM

Beitragsleitfaden

Beitragsleitfaden öffnen

Erste Schritte

  1. Lies das ganze Issue und danach den Beitragsleitfaden des Projekts.
  2. Schreib ins Issue, dass du es übernimmst — das erspart doppelte Arbeit.
  3. Forke das Repository und arbeite in einem Branch.
  4. Öffne einen Pull Request, der die Issue-Nummer nennt.

Rechercherichtung

Beginne mit dem Python-Snippet, insbesondere dem Einlesen von adj.tsv, dem DataFrame-Pivot und dem Aufruf der seaborn-Heatmap, und reproduziere es in der gemeldeten Jupyter-Umgebung. Die Eingabedatei und die Umgebungsdetails sind nicht angegeben; kläre daher zunächst, ob die leere Ausgabe spezifisch für ipympl ist. Erledigt ist dies mit einer reproduzierbaren Diagnose oder einem präzisierten Bericht mit den fehlenden Details zu Setup und Daten.

Vom Indexierungsmodell aus dem Issue-Text verfasst.

Bewertung

Tech-Stack
jupyter, jupyter-notebook, numpy, pandas, python
Bereich
data-visualization
Issue-Typ
Bug
Schwierigkeit
4/5
Geschätzter Aufwand
3-5 Tage
Aktivitätsstatus
Veraltet
Klarheit
Muss geklärt werden
Anfängerfreundlichkeit
18/100

Neue Issues direkt in Ihr Postfach

Eine kurze Übersicht über anfängerfreundliche GitHub-Issues.