python 绘图类_Python 数据可视化：绘图类的应用

Plotly 的 plotly.graph_objs 库提供了很多种绘图类，涵盖了常用的统计图表，并且还有所拓展。不过，为了对类的理解更深刻，以下讲述将按照对象进行，不同的统计图依据相应的参数来实现。

4.2.1 Scatter 类——绘制直线图、散点图

在 plotly.graph_objs 中的 Scatter 类，功能比较多，用它能够绘制直线图、散点图等。

根据经验，可以在 Jupyter 中输入了 go.Scatter，然后按下 TAB 键，查看到不仅仅是 Scatter，还包含其他以 Scatter 开头的家族成员(如下图所示)。

image

不过在这里，我们仅关注 go.Scatter，其他对象暂时不研究。

go.Scatter(arg=None, cliponaxis=None, connectgaps=None, customdata=None, customdatasrc=None, dx=None, dy=None, error_x=None, error_y=None, fill=None, fillcolor=None, groupnorm=None, hoverinfo=None, hoverinfosrc=None, hoverlabel=None, hoveron=None, hovertext=None, hovertextsrc=None, ids=None, idssrc=None, legendgroup=None, line=None, marker=None, mode=None, name=None, opacity=None, orientation=None, r=None, rsrc=None, selected=None, selectedpoints=None, showlegend=None, stackgaps=None, stackgroup=None, stream=None, t=None, text=None, textfont=None, textposition=None, textpositionsrc=None, textsrc=None, tsrc=None, uid=None, unselected=None, visible=None, x=None, x0=None, xaxis=None, xcalendar=None, xsrc=None, y=None, y0=None, yaxis=None, ycalendar=None, ysrc=None, **kwargs)

面对这么多参数，不要惊慌，前面学习过程中，也不是没有见过这种阵势。参数多，说明它的功能比较全。如果有兴趣，可以根据官方文档的说明，将每个参数的含义通读一遍。若暂时没兴趣或没时间，就到用的时候再去看吧。

import pandas as pd

import plotly

import plotly.graph_objs as go

df = pd.read_csv("/Users/qiwsir/Documents/Codes/DataSet/universityrank/timesData.csv")

df.head()

world_rank

university_name

country

teaching

international

research

citations

income

total_score

num_students

student_staff_ratio

international_students

female_male_ratio

year

0

1

Harvard University

United States of America

99.7

72.4

98.7

98.8

34.5

96.1

20,152

8.9

25%

NaN

2011

1

2

California Institute of Technology

United States of America

97.7

54.6

98.0

99.9

83.7

96.0

2,243

6.9

27%

33 : 67

2011

2

3

Massachusetts Institute of Technology

United States of America

97.8

82.3

91.4

99.9

87.5

95.6

11,074

9.0

33%

37 : 63

2011

3

4

Stanford University

United States of America

98.3

29.5

98.1

99.2

64.3

94.3

15,596

7.8

22%

42 : 58

2011

4

5

Princeton University

United States of America

90.9

70.3

95.4

99.9

-

94.2

7,929

8.4

27%

45 : 55

2011

现在读入的数据集是世界各大学排名，在后续示例中，只取其中的前一百所大学。

df100 = df.iloc[:100, :]

首先要做的，就是利用 go.Scatter 创建 Trace 对象，将此对象提交给 Plotly 的 API 之后，Plotly 服务器就能根据此 Trace 对象的有关配置，返回相应的图线，即可得到所要绘制的图示。

trace1 = go.Scatter(x = df100['world_rank'], # 世界排名

y = df100['citations'], # 被引用次数

mode = 'lines',

name = 'citations',

marker = dict(color='rgba(16, 112, 2, 0.8)'),

text = df100['university_name']

)

trace2 = go.Scatter(x = df100['world_rank'],

y = df100['teaching'],

mode = 'lines+markers',

name = 'teaching',

marker = dict(color='rgba(80, 26, 80, 0.8)'),

text = df100['university_name']

)

trace3 = go.Scatter(x = df100['world_rank'],

y = df100['research'],

mode = 'markers',

name = 'research',

marker = dict(color='rgba(40, 66, 120, 0.8)'),

text = df100['university_name']

)

data = [trace1, trace2, trace3]

layout = dict(title = "Citation Research and Teaching VS World Rank of Top100 Universities",

xaxis = dict(title='Wrold Rank', ticklen=5, zeroline=False)

)

fig = dict(data=data, layout=layout)

plotly.offline.init_notebook_mode(connected=True)

plotly.offline.iplot(fig)

输出结果：

enter image description here

在这里绘制的是三种图，控制不同类型图的参数是 go.Scatter 中的 mode，它的值可以是：

'lines'，折线图，没有标记坐标点；

'lines + markers'，折线图，标记坐标点；

'markers'，散点图，没有各点之间的连线。

如果觉得观察起来有点乱，可以通过图示的交互功能，比如选择图例，显示指定的图线。

另外几个参数的含义，也简要解释一下：