[数据科学]001.新冠病毒全球疫情-数据可视化-plotly-完整详尽教程

-1 关于plotly 的小问题

因为plotly用着还不熟练，我把我遇到的一些plotly调用问题总结了一下：

• [打补丁]plotly常见问题

0. 前言:

疫情期间，工作‘过于‘繁忙。。。教程早已编好，文稿却没更出来。。。
（伪）鲁迅曾经说过：所有的数据都应该被‘画’出来，而不是‘写’出来。

自接触数据科学起，我就异常热衷于’画‘出更好的数据图（逼死强迫症）。作为一个曾经的通信人，Matlab告诉我，不能交互的数据图永远不算完美。什么matplotlib，seaborn，甚至ggplot。我只想说，普通。。。直到 plotly出现。

1. plotly介绍

plotly官方文档: https://plotly.com/python

plotly是一个可交互的 开源 开源 开源 python数据可视化库。在顶层通过 JavaScript（plotly.js）库生成web-based 可视化图表。
（可以直接生成网页，还能集成在jupyter-notebook | jupyter-lab（需要额外插件）| VS code 中直接显示）
另外，plotly 作为python 数据生态中的重要一环，也创建了相应的网页数据报表 – Dash ，对标R shiny，Tableau，MS PowerBI（后两个为商业软件，集成环境更优秀，而且价格也挺贵。。。）

当然， plotly & Dash也分为开源版本和商用版本， 并且4.0版本之前都可以使用online/offline 两种模式。其中online模式需要注册账号, 上传的图表可以使用Chart Studio对细节进行更改。 4.0之后的版本已经将online模式彻底移植到 chart-studio 中，

• 开源版本一切免费，证书为github上的开源证书 – MIT license，No Technical Supports！！（除了bug自己调试 或者等待在下个版本解决）
• 商用版本各种服务收费，还能使用有UI界面的Chart Studio修图。价格嘛，详情需要自己咨询。。。

1.1 安装

pip 和conda 都可以直接安装, 截止到目前为止 最新版本为 4.6.0 （plotly >=4.0.0 只有offline 模式）

pip install plotly==4.6.0

考虑到各个packages 的版本依赖关系, 更推荐通过conda安装

conda install -c plotly plotly==4.6.0

我一直用jupyter-lab, 额外的extensions安装如下 （jupyter 安装extensions 需要提前安装 node.js。。。）：

conda install jupyterlab
conda install ipywidgets
jupyter labextension install @jupyter-widgets/[email protected] --no-build
jupyter labextension install [email protected] --no-build
jupyter labextension install [email protected] --no-build
jupyter lab build

1.2 plotly 子模块

在最开始使用plotly的时候，我唯一的一个疑问就是，搞不清楚什么时候使用什么模块。为此，特意去研究了一下官方提供的API教程。

plotly分为 5个重要子模块：

• express 模块：高级画图API，类似seaborn，可以用简单的代码，通过读取dataframe，画出相对复杂的分布曲线，kde曲线。
• graph_objects 模块: 底层画图API, 类似 matplotlib.pyplot, 可以精确控制图像中的每一个变量，图像figure的大小，图像布局，曲线的粗细，点击曲线后显示的信息，etc。但是 每一个变量都需要用户自主声明。
• subplots 模块：用于创建多图布局 类似 pyplot 中的subplots
• figure_factory 模块: 用于创建特定复杂的图表
• io模块: input/output模块 用于读取/生成 各种格式的图表 (HTML, json, images, etc…)

2. 数据可视化:

数据来源: 约翰霍普金森大学 - 新冠病毒全球感染人数 - Github 开源数据

编程环境:

• Python version = 3.8
• jupyter-lab version = 1.2.6
• plotly version = 4.6.0
• numpy version = 1.18.1
• pandas version = 1.0.3
• cufflinks version = 0.17.3

2.1 读取数据

# import basic libs
import os 
import pandas as pd
import numpy as np

# 直接从github读取数据
df = pd.read_csv('https://raw.githubusercontent.com/CSSEGISandData/COVID-19/web-data/data/cases_time.csv', error_bad_lines=False )
df.loc[:,'Last_Update'] = pd.to_datetime(df.loc[:,'Last_Update'], format='%m/%d/%y')
print(df.shape) # output: (21384, 16) 

# 国家/城市坐标 & 人口数据
location_lookup_table = pd