Аннотировать тепловую карту со значением из кадра данных Pandas

Значения, которые вы использовали для своих координат в цикле for, были испорчены. Также вы использовали plt.colorbar вместо чего-то более чистого, например fig.colorbar. Попробуйте это (он выполняет свою работу без каких-либо усилий по очистке кода):

def heatmap_binary(df,
            edgecolors='w',
            #cmap=mpl.cm.RdYlGn,
            log=False):    
    width = len(df.columns)/7*10
    height = len(df.index)/7*10

    fig, ax = plt.subplots(figsize=(20,10))#(figsize=(width,height))

    cmap, norm = mcolors.from_levels_and_colors([0, 0.05, 1],['Teal', 'MidnightBlue'] ) # ['MidnightBlue', Teal]['Darkgreen', 'Darkred']

    heatmap = ax.pcolor(df ,
                        edgecolors=edgecolors,  # put white lines between squares in heatmap
                        cmap=cmap,
                        norm=norm)
    data = df.values
    for y in range(data.shape[0]):
        for x in range(data.shape[1]):
            plt.text(x + 0.5 , y + 0.5, '%.4f' % data[y, x], #data[y,x] +0.05 , data[y,x] + 0.05
                 horizontalalignment='center',
                 verticalalignment='center',
                 color='w')


    ax.autoscale(tight=True)  # get rid of whitespace in margins of heatmap
    ax.set_aspect('equal')  # ensure heatmap cells are square
    ax.xaxis.set_ticks_position('top')  # put column labels at the top
    ax.tick_params(bottom='off', top='off', left='off', right='off')  # turn off ticks

    ax.set_yticks(np.arange(len(df.index)) + 0.5)
    ax.set_yticklabels(df.index, size=20)
    ax.set_xticks(np.arange(len(df.columns)) + 0.5)
    ax.set_xticklabels(df.columns, rotation=90, size= 15)

    # ugliness from http://matplotlib.org/users/tight_layout_guide.html
    from mpl_toolkits.axes_grid1 import make_axes_locatable
    divider = make_axes_locatable(ax)
    cax = divider.append_axes("right", "3%", pad="1%")
    fig.colorbar(heatmap, cax=cax)

потом

df1 = pd.DataFrame(np.random.choice([0, 0.75], size=(4,5)), columns=list('ABCDE'), index=list('WXYZ'))
heatmap_binary(df1)

дает:

Эта функциональность предоставляется пакетом seaborn. Он может создавать карты, такие как

Пример использования seaborn:

import seaborn as sns
sns.set()

# Load the example flights dataset and conver to long-form
flights_long = sns.load_dataset("flights")
flights = flights_long.pivot("month", "year", "passengers")

# Draw a heatmap with the numeric values in each cell
sns.heatmap(flights, annot=True, fmt="d", linewidths=.5)

Это потому, что вы используете plt.text после того, как добавили другие оси.

Конечный автомат будет строиться по текущим осям, и после того, как вы добавите новый с помощью divider.append_axes, оси цветовой полосы станут текущими. (Простой вызов plt.colorbar не вызовет этого, так как впоследствии он устанавливает текущие оси обратно в исходную, если сам создает оси. Если конкретный объект осей передается с использованием kwarg cax, он не сбрасывает «текущую» оси, так как это не то, что вам обычно нужно.)

Подобные вещи являются основной причиной того, что вы увидите так много людей, которые советуют вам использовать интерфейс OO для matplotlib вместо интерфейса конечного автомата. Таким образом, вы знаете, на каких осях вы рисуете объект.

Например, в вашем случае heatmap_binary может возвращать объект ax, который он создает, и график, использующий ax.text вместо plt.text (и аналогично для других методов построения).

Вы также можете использовать plotly.figure_factory для создания тепловой карты из DataFrame, но вам нужно преобразовать ее в список.

    import plotly.figure_factory as ff

    z = [your_dataframe].values.tolist()
    x = [your_dataframe].columns.tolist()
    y = [your_dataframe].index.tolist()

    fig = ff.create_annotated_heatmap(z, x=x, y=y, annotation_text=z, colorscale='viridis')

    # for add annotation into Heatmap
    for i in range(len(fig.layout.annotations)):
        fig.layout.annotations[i].font.size = 12

    # show your Heatmap
    fig.show()