plotly绘图——水平条形图

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——水平条形图

水平条形图

基本水平条形图

代码解释

• fig = go.Figure()：这行代码创建了一个空的图表对象，fig是这个对象的变量名。Figure是Plotly中用于创建图表的类。

• go.Bar(…)：这是go模块中的Bar类的实例化，用于创建一个条形图。Bar类的参数定义了条形图的内容。

• x=[20, 14, 23]：这是Bar类的一个参数，x代表条形图的数值部分，即每个条形的高度。在这个例子中，有三个数值：20、14和23。

• y=[‘giraffes’, ‘orangutans’, ‘monkeys’]：这是Bar类的另一个参数，y代表条形图的类别标签，即每个条形所代表的对象。在这个例子中，有三个类别：长颈鹿（giraffes）、猩猩（orangutans）和猴子（monkeys）。

• orientation=‘h’：这个参数设置条形图为水平方向。如果不设置这个参数或者设置为’v’，则条形图会是垂直方向的。

import plotly.graph_objects as go

fig = go.Figure(go.Bar(
            x=[20, 14, 23],
            y=['giraffes', 'orangutans', 'monkeys'],
            orientation='h'))

fig.show()

带颜色的分类水平条形图

代码解释

• fig.add_trace(go.Bar(…)): 这行代码用于向图表对象fig添加一个数据层（trace），每个go.Bar实例代表一组数据，即一个动物园的动物数量。

• y和x参数分别定义了条形图的类别（动物名称）和数值（每种动物的数量），这是构成条形图基础的关键数据。

• name参数用于为每个条形图轨迹命名，这样在图例中可以区分不同的数据集，便于识别图表中的各个部分。

• orientation=‘h’: 这个参数设置条形图为水平方向，这是创建水平条形图的关键。

• marker=dict(…): 这个字典定义了条形的颜色和边框样式，通过color和line来设置条形的外观，增强图表的视觉效果。

• fig.update_layout(barmode=‘stack’): 通过update_layout方法和barmode='stack’参数，设置条形图的堆叠模式，使得不同动物园的数据在同一类别上堆叠起来，这样可以直观地比较不同类别的数量。

import plotly.graph_objects as go

fig = go.Figure()
fig.add_trace(go.Bar(
    y=['giraffes', 'orangutans', 'monkeys'],
    x=[20, 14, 23],
    name='SF Zoo',
    orientation='h',
    marker=dict(
        color='rgba(246, 78, 139, 0.6)',
        line=dict(color='rgba(246, 78, 139, 1.0)', width=3)
    )
))
fig.add_trace(go.Bar(
    y=['giraffes', 'orangutans', 'monkeys'],
    x=[12, 18, 29],
    name='LA Zoo',
    orientation='h',
    marker=dict(
        color='rgba(58, 71, 80, 0.6)',
        line=dict(color='rgba(58, 71, 80, 1.0)', width=3)
    )
))

fig.update_layout(barmode='stack')
fig.show()

带折线图的条形图

代码解释

• make_subplots: 创建一个包含两个子图的图表布局，rows=1, cols=2表示一行两列的子图布局。

• fig.append_trace: 向图表中添加数据层，第一个参数是图表对象，第二个参数是子图的索引位置。这里分别添加了一个条形图（go.Bar）和一个散点图（go.Scatter）。

• go.Bar: 表示居民储蓄数据，x=y_saving是储蓄占可支配收入的百分比，y=x是国家名称。marker参数定义了条形的颜色和边框样式。

• go.Scatter: 表示居民净资产数据，x=y_net_worth是净资产（以百万美元/人均计算），y=x是国家名称。mode='lines+markers’表示使用线和标记点来展示数据。

• fig.update_layout: 更新图表的布局和样式，包括标题、坐标轴设置、图例位置、边距和背景颜色等。

• annotations: 创建一个注释列表，用于在图表上添加额外的文本信息，如具体的数值标签。

• fig.show(): 显示最终的图表。

import plotly.graph_objects as go
from plotly.subplots import make_subplots

import numpy as np

y_saving = [1.3586, 2.2623000000000002, 4.9821999999999997, 6.5096999999999996,
            7.4812000000000003, 7.5133000000000001, 15.2148, 17.520499999999998
            ]
y_net_worth = [93453.919999999998, 81666.570000000007, 69889.619999999995,
               78381.529999999999, 141395.29999999999, 92969.020000000004,
               66090.179999999993, 122379.3]
x = ['Japan', 'United Kingdom', 'Canada', 'Netherlands',
     'United States', 'Belgium', 'Sweden', 'Switzerland']


# Creating two subplots
fig = make_subplots(rows=1, cols=2, specs=[[{}, {}]], shared_xaxes=True,
                    shared_yaxes=False, vertical_spacing=0.001)

fig.append_trace(go.Bar(
    x=y_saving,
    y=x,
    marker=dict(
        color='rgba(50, 171, 96, 0.6)',
        line=dict(
            color='rgba(50, 171, 96, 1.0)',
            width=1),
    ),
    name='Household savings, percentage of household disposable income',
    orientation='h',
), 1, 1)

fig.append_trace(go.Scatter(
    x=y_net_worth, y=x,
    mode='lines+markers',
    line_color='rgb(128, 0, 128)',
    name='Household net worth, Million USD/capita',
), 1, 2)

fig.update_layout(
    title='Household savings & net worth for eight OECD countries',
    yaxis=dict(
        showgrid=False,
        showline=False,
        showticklabels=True,
        domain=[0, 0.85],
    ),
    yaxis2=dict(
        showgrid=False,
        showline=True,
        showticklabels=False,
        linecolor='rgba(102, 102, 102, 0.8)',
        linewidth=2,
        domain=[0, 0.85],
    ),
    xaxis=dict(
        zeroline=False,
        showline=False,
        showticklabels=True,
        showgrid=True,
        domain=[0, 0.42],
    ),
    xaxis2=dict(
        zeroline=False,
        showline=False,
        showticklabels=True,
        showgrid=True,
        domain=[0.47, 1],
        side='top',
        dtick=25000,
    ),
    legend=dict(x=0.029, y=1.038, font_size=10),
    margin=dict(l=100, r=20, t=70, b=70),
    paper_bgcolor='rgb(248, 248, 255)',
    plot_bgcolor='rgb(248, 248, 255)',
)

annotations = []

y_s = np.round(y_saving, decimals=2)
y_nw = np.rint(y_net_worth)

# Adding labels
for ydn, yd, xd in zip(y_nw, y_s, x):
    # labeling the scatter savings
    annotations.append(dict(xref='x2', yref='y2',
                            y=xd, x=ydn - 20000,
                            text='{:,}'.format(ydn) + 'M',
                            font=dict(family='Arial', size=12,
                                      color='rgb(128, 0, 128)'),
                            showarrow=False))
    # labeling the bar net worth
    annotations.append(dict(xref='x1', yref='y1',
                            y=xd, x=yd + 3,
                            text=str(yd) + '%',
                            font=dict(family='Arial', size=12,
                                      color='rgb(50, 171, 96)'),
                            showarrow=False))
# Source
annotations.append(dict(xref='paper', yref='paper',
                        x=-0.2, y=-0.109,
                        text='OECD "' +
                             '(2015), Household savings (indicator), ' +
                             'Household net worth (indicator). doi: ' +
                             '10.1787/cfc6f499-en (Accessed on 05 June 2015)',
                        font=dict(family='Arial', size=10, color='rgb(150,150,150)'),
                        showarrow=False))

fig.update_layout(annotations=annotations)

fig.show()