0110-【课程实战】-Python数据分析炒菜-第13章-菜品摆放——数据可视化

---

13.1 数据可视化是什么

13.2 数据可视化的基本流程

13.2.1整理数据

13.2.2 明确目的

13.3 图表的基本组成元素

由于matplotlib包的语法繁琐，记忆点多，不便于日后使用

打算使用 plotnine包，来代替，，是超新星包。画图语法由R的ggplot2改成而成，用于python中。这套语法，强大，便于记忆，修改图片。可以满足绝大多数的图

plotnine官网
https://plotnine.readthedocs.io/en/stable/index.html

ploty
https://plot.ly/

文章：Python史上最牛逼的可视化神器
https://blog.csdn.net/zhusongziye/article/details/86436365

python plotly 使用教程
https://www.jianshu.com/p/57bad75139ca

Echarts专注于展示，对于数据的来源或者处理过程并不关心
plotly专注于数据

为什么plotly被称为“有史以来最牛逼”可视化神器？
https://zhuanlan.zhihu.com/p/27203526

pandas+plotly+cufflinks 这一组合的功能非常强大。

plotly Python 包是一个构建在 plotly.js 上的开源库，而后者又是构建在 d3.js 上的。我们将使用一个 plotly 的“包装器”——cufflinks，它可以 plotly 的使用变得更加简单。整个堆叠顺序是cufflinks>plotly>plotly.js>d3.js，意味着我们同时获得了 Python 的编程高效性和d3强大的图形交互能力。（毕竟d3.js是全世界公认的第一可视化框架！）

Plotly Express
推荐：这才是你寻寻觅觅想要的 Python 可视化神器

https://zhuanlan.zhihu.com/p/60308356

Plotly 生态系统的一部分
Plotly Express 之于 Plotly.py 类似 Seaborn 之于 matplotlib：Plotly Express 是一个高级封装库，允许您快速创建图表，然后使用底层 API 和生态系统的强大功能进行修改。 对于Plotly 生态系统，这意味着一旦您使用 Plotly Express 创建了一个图形，您就可以使用Themes，使用 FigureWidgets 进行命令性编辑，使用 Orca 将其导出为几乎任何文件格式，或者在我们的 GUI JupyterLab 图表编辑器中编辑它 。

主题（Themes）允许您控制图形范围的设置，如边距、字体、背景颜色、刻度定位等。 您可以使用模板参数应用任何命名的主题或主题对象：

有三个内置的 Plotly 主题可以使用， 分别是 plotly， plotly_white 和 plotly_dark

Dash 是 Plotly 的开源框架，用于构建具有 Plotly.py 图表的分析应用程序和仪表板。Plotly Express 产生的对象与 Dash 100％兼容，只需将它们直接传递到dash_core_components.Graph，如下所示：dcc.Graph（figure = px.scatter（…））。 这是一个非常简单的 50行 Dash 应用程序的示例，它使用 px 生成其中的图表：

Plotly.py 已经发展成为一个非常强大的可视化交互工具：它可以让你控制图形的几乎每个方面，从图例的位置到刻度的长度。 不幸的是，这种控制的代价是冗长的：有时可能需要多行 Python 代码才能用 Plotly.py 生成图表。

我们使用 Plotly Express 的主要目标是使 Plotly.py 更容易用于探索和快速迭代。

参考文献：
官网
https://plot.ly/python/

Plotly Express Gallery
https://www.plotly.express/

Plotly Express: a Walkthrough
https://nbviewer.jupyter.org/github/plotly/plotly_express/blob/master/walkthrough.ipynb

Plotly Express 文档
https://www.plotly.express/plotly_express/

知乎官网讨论plotly
https://www.zhihu.com/search?q=plotly&type=content