Gracias por su ayuda, sin embargo, mi conjunto de datos solo tiene 10k filas, así que no creo que este sea el problema. Si esto pudiera ayudar, aquí está mi script de python: # Cole ou escreva o código do script aqui: import pandas as pd import numpy as np from scipy.interpolate import Rbf # Import Rbf for radial basis function interpolation import matplotlib.pyplot as plt import seaborn as sns from matplotlib.ticker import FuncFormatter # Eliminar filas en las que falta alguno de los datos o es infinito dataset = dataset.replace([np.inf, -np.inf], np.nan).dropna(subset=['Día', 'Profundidad', 'Temperatura']) # Eliminar valores de temperatura atípicos dataset.loc[dataset['Temperatura'] > 35, 'Temperatura'] = np.nan # Inicializar variables para todos los días en el rango de años seleccionados year_min = dataset['Año'].min() year_max = dataset['Año'].max() all_days = pd.date_range(start=f"{year_min}-01-01", end=f"{year_max}-12-31").date day_range = np.arange(1, len(all_days) + 1) depth_range = np.arange(np.floor(dataset['Depth'].min()), np.ceil(dataset['Depth'].max()) + 1) # Inicializar la cuadrícula con NaNs grid_z = np.full((len(depth_range), len(day_range)), np.nan) # Realizar la interpolación RBF diariamente para cada profundidad para el día en day_range: day_data = dataset[dataset['Day'] == day] if not day_data.empty: # Filtrar las filas con valores NaN en cualquier columna clave day_data = day_data.dropna(subset=['Depth', 'Temperatura']) points_y = day_data['Profundidad'] valores = day_data['Temperatura'] if len(points_y) > 2: # Asegúrese de que haya suficientes puntos para interpolar intente: rbf_interpolator = Rbf(points_y, values, function='linear', smooth=0.2) valid_depths = np.intersect1d(depth_range, np.round(points_y)) # Interpolar solo las profundidades disponibles grid_z[valid_depths.astype(int) - int(depth_range[0]), day - 1] = rbf_interpolator(valid_depths) except ValueError as e: print(f"Omitiendo la interpolación para el día {day} debido a datos insuficientes: {e}") # Crea el marco de datos para el mapa de calor heatmap_data = pd. DataFrame(grid_z, index=depth_range, columns=all_days) # Define una función para realizar la interpolación lineal de pequeños huecos en la definición de datos interpolate_small_gaps(data, max_gap=3): for depth_idx in range(data.shape[0]): # Iterar sobre cada profundidad series = data.iloc[depth_idx] is_na = series.isna() filled = series.copy() for start, group in is_na.groupby((is_na != is_na.shift()).cumsum()): if group.all(): # Si todo el grupo es True (NaNs) if len(group) <= max_gap: # Obtener los índices enteros del inicio y el final del gap start_idx = series.index.get_loc(group.index[0]) end_idx = series.index.get_loc(group.index[-1]) # Solo interpolamos si tenemos datos a ambos lados del gap if start_idx > 0 y end_idx < len(series) - 1: interp_range = slice(series.index[start_idx - 1], series.index[end_idx + 1]) filled[interp_range] = series[interp_range].interpolate() data.iloc[depth_idx] = datos de retorno rellenados # Aplicar la función de interpolación para rellenar pequeños huecos heatmap_data = interpolate_small_gaps(heatmap_data) # Función personalizada para formatear las etiquetas del eje x para mostrar solo meses en portugués def custom_formatter(x, pos): index = int(x) # Convertir a int para usar como índice si index < len(all_days): date = all_days[index - 1] # Ajustar para el índice de base cero if date.strftime('%d') == '01': # Primer día del mes # Mapeo de nombres de meses en inglés a portugués month_map = { 'Jan': 'Jan', 'Feb': 'Fev', 'Mar': 'Mar', 'Abr': 'Abr', 'May': 'Mai', 'Jun': 'Jun', 'Jul': 'Jul', 'Aug': 'Ago', 'Sep': 'Set', 'Oct': 'Out', 'Nov': 'Nov', 'Dec': 'Dez' } return month_map[date.strftime('%b')] return '' # Función personalizada para formatear las etiquetas del eje Y como enteros def int_formatter(x, pos): return '%d' % x # Trazar el mapa de calor plt.figure(figsize=(20, 8)) heatmap = sns.heatmap(heatmap_data, cmap='jet', cbar_kws={'label': 'Temperatura (°C)'}, vmin=0, vmax=30) # Utilice la función custom_formatter al configurar las etiquetas x-tick heatmap.set_xticks(np.arange(len(all_days))) mapa de calor. set_xticklabels([custom_formatter(x, None) for x in range(1, len(all_days) + 1)], rotation=90) # Añade las líneas punteadas verticales y ajusta su estilo en función del día para el día, date in enumerate(all_days, start=1): if date.day in [5, 10, 15, 20, 25]: plt.axvline(x=day - 1, color='grey', linestyle=':', linewidth=1) # Línea más gruesa para los días especificados if date.day == 1: plt.axvline(x=día - 1, color='negro', linestyle=':', linewidth=1) # Línea más gruesa para el primer día del mes else: plt.axvline(x=día - 1, color='grey', linestyle=':', linewidth=0.5) plt.xlabel('Dia e Mês', fontsize=15) plt.ylabel('Profundidade (m)', fontsize=15) # Aplica el formateador personalizado al eje y plt.gca().yaxis.set_major_formatter(FuncFormatter(int_formatter)) plt.tight_layout() plt.show()
