plotly绘图——气泡图

介绍

plotly是一个易于使用，功能强大的python绘图库，用于构建可交互式的图表（可以自行运行后使用鼠标拖拽图片试试），本系列文章将介绍plotly绘制各种类型图的方法，本文将介绍——气泡图

气泡图

基础气泡图

代码解释

• import plotly.graph_objects as go：这行代码首先导入了Plotly库中的graph_objects模块，并将其重命名为go。这样做是为了方便后续代码中对graph_objects模块的引用。

• fig = go.Figure()：这行代码创建了一个Figure对象，这个对象是Plotly中所有图表的基础。你可以把它想象成一个空白的画布，之后可以在其上添加数据和其他图表元素。

• data=[go.Scatter(…)]：这里定义了一个包含单个Scatter对象的列表，这个Scatter对象将被添加到Figure对象中。Scatter对象是用来创建散点图的，它需要至少两个属性：x和y，分别代表散点图的横坐标和纵坐标。

• mode=‘markers’：这个参数指定了Scatter对象的绘制模式。‘markers’模式意味着图表中只会显示数据点，而不会显示连接这些点的线。其他可能的模式包括’lines’（连接点的线）和’lines+markers’（既有线也有点）。

• marker_size=[40, 60, 80, 100]：这个参数定义了每个数据点的大小。列表中的每个元素对应于x和y中相应位置的数据点。在这个例子中，第一个点的大小是40，第二个点的大小是60，以此类推。

import plotly.graph_objects as go

fig = go.Figure(data=[go.Scatter(
    x=[1, 2, 3, 4], y=[10, 11, 12, 13],
    mode='markers',
    marker_size=[40, 60, 80, 100])
])

fig.show()

给气泡图设置标记和大小颜色

代码解释

• color=[‘rgb(93, 164, 214)’, ‘rgb(255, 144, 14)’, ‘rgb(44, 160, 101)’, ‘rgb(255, 65, 54)’]：这个键值对设置了不同标记的颜色。列表中的每个字符串都是一个RGB颜色代码，用于定义四种不同的颜色。RGB颜色代码是一种表示颜色的方式，它由三个介于0到255之间的整数组成，分别代表红色、绿色和蓝色的强度。例如，'rgb(93, 164, 214)'代表一种蓝色调，而’rgb(255, 65, 54)'代表一种红色调。

• opacity=[1, 0.8, 0.6, 0.4]：这个键值对定义了标记的不透明度。不透明度是一个介于0（完全透明）到1（完全不透明）之间的数值。在这个例子中，第一个标记的不透明度为1（即完全不透明），第二个标记的不透明度为0.8，第三个为0.6，第四个为0.4。这意味着随着索引的增加，标记将逐渐变得更加透明。

• size=[40, 60, 80, 100]：这个键值对设置了标记的大小。列表中的每个数值代表一个标记的直径（或者大小），单位是像素。在这个例子中，四个标记的大小分别为40、60、80和100像素。

import plotly.graph_objects as go

fig = go.Figure(data=[go.Scatter(
    x=[1, 2, 3, 4], y=[10, 11, 12, 13],
    mode='markers',
    marker=dict(
        color=['rgb(93, 164, 214)', 'rgb(255, 144, 14)',
               'rgb(44, 160, 101)', 'rgb(255, 65, 54)'],
        opacity=[1, 0.8, 0.6, 0.4],
        size=[40, 60, 80, 100],
    )
)])

fig.show()

带色阶的气泡图

代码解释

• color=[120, 125, 130, 135, 140, 145]：这个列表定义了每个数据点的颜色。这里的颜色值是以简写形式给出的，每个值代表一个介于0到255之间的灰度值。例如，120代表中等亮度的灰色。

• size=[15, 30, 55, 70, 90, 110]：这个列表定义了每个数据点的大小。数值越大，数据点在图表中显示得越大。

• showscale=True：这个参数设置为True表示在图表中显示颜色的尺度滑块（color scale）。颜色尺度滑块是一种交互式元素，允许用户通过调整滑块来改变数据点的颜色映射。在这个例子中，由于颜色列表是单调递增的灰度值，尺度滑块将允许用户选择不同的颜色映射方式，以便更好地理解数据点的颜色变化。

import plotly.graph_objects as go

fig = go.Figure(data=[go.Scatter(
    x=[1, 3.2, 5.4, 7.6, 9.8, 12.5],
    y=[1, 3.2, 5.4, 7.6, 9.8, 12.5],
    mode='markers',
    marker=dict(
        color=[120, 125, 130, 135, 140, 145],
        size=[15, 30, 55, 70, 90, 110],
        showscale=True
        )
)])

fig.show()

分类气泡图

• df = px.data.gapminder()：这行代码从Plotly Express库中加载了一个内置的Gapminder数据集，并将其存储在变量df中。Gapminder数据集包含了多个国家从1952年到2007年间的经济发展指标，如人均GDP、人口数量等。

• df.query(“year==2007”)：这是一个Pandas DataFrame的查询操作，它从Gapminder数据集中筛选出年份为2007的记录。这意味着散点图将仅展示2007年的数据。

• x=“gdpPercap”：这个参数指定了散点图的横轴变量，即人均GDP。这将根据每个国家的人均GDP值在横轴上定位数据点。

• y=“lifeExp”：这个参数指定了散点图的纵轴变量，即寿命。这将根据每个国家的平均寿命在纵轴上定位数据点。

• size=“pop”：这个参数指定了数据点的大小，根据每个国家的人口数量来缩放数据点的大小。人口越多的国家，其数据点在图表中显示得越大。

• color=“continent”：这个参数指定了数据点的颜色，根据每个国家所在的大陆来为数据点上色。这样可以在图表中直观地区分不同大陆的国家。

• hover_name=“country”：这个参数设置了鼠标悬停时显示的信息，当用户将鼠标悬停在某个数据点上时，将显示该数据点对应的国家名称。

• log_x=True：这个参数表示横轴（人均GDP）将使用对数刻度。对数刻度有助于展示跨越多个数量级的数据，使得低收入和高收入国家之间的差异更加明显。

• size_max=60：这个参数设置了数据点大小的最大值。在这个例子中，无论人口多少，数据点的最大直径都不会超过60个像素，以避免过大的数据点遮挡其他数据点或图表元素。

import plotly.express as px
df = px.data.gapminder()

fig = px.scatter(df.query("year==2007"), x="gdpPercap", y="lifeExp",
	         size="pop", color="continent",
                 hover_name="country", log_x=True, size_max=60)
fig.show()