matplotlib / matplotlib/ipympl

My heatmap is blank

Ouverte
#509 1 commentaire 0 réactions 0 personnes assignées Voir sur GitHub

Personne n'a encore pris cette issue.

Langage dominant
Jupyter Notebook
Étoiles
1.7k
Forks
234
Métriques de merge des PR
Aucune PR mergée en 30 j

Description

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:

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

Guide de contribution

Ouvrir le guide de contribution

Par où commencer

  1. Lisez l'issue en entier, puis le guide de contribution du projet.
  2. Signalez en commentaire que vous la prenez — cela évite que deux personnes fassent le même travail.
  3. Forkez le dépôt et travaillez sur une branche.
  4. Ouvrez une pull request qui référence le numéro de l'issue.

Piste de recherche

Commencez par le snippet Python, en particulier la lecture de adj.tsv, le pivot du DataFrame et l’appel à la heatmap de seaborn, puis reproduisez-le dans la configuration Jupyter signalée. Le fichier d’entrée et les détails de l’environnement ne sont pas fournis ; déterminez donc d’abord si la sortie vide est spécifique à ipympl. Le travail est terminé lorsqu’un diagnostic reproductible est établi ou qu’un rapport clarifié contient les détails manquants sur la configuration et les données.

Rédigé par le modèle d'indexation à partir du texte de l'issue.

Évaluation

Stack technique
jupyter, jupyter-notebook, numpy, pandas, python
Domaine
data-visualization
Type d'issue
Bug
Difficulté
4/5
Temps estimé
3-5 jours
Activité
À l'abandon
Clarté
À clarifier
Accessibilité débutants
18/100

Recevez les nouvelles issues par e-mail

Un résumé court des issues GitHub adaptées aux débutants.