Python可视化plotly

最新推荐文章于 2022-08-27 10:30:22 发布

Greate AUK

最新推荐文章于 2022-08-27 10:30:22 发布

阅读量260

点赞数

分类专栏： python

原文链接：https://mp.weixin.qq.com/s?__biz=MzU1NDk2MzQyNg==&mid=2247488654&idx=1&sn=9c938951cc2b2599311f90528a2c3ade&chksm=fbdacc03ccad4515ddefd64f52cd3fc4866033bf3df1b3ab4690a82c908f5e4ad5ea5666dbd9&scene=132#wechat_redirect

版权

python 专栏收录该内容

19 篇文章 1 订阅

订阅专栏

摘自：链接

１.安装

pip3 install  plotly
pip3 install pandas //如果报出需要安装其他库，请一并安装上

关于静态图，可以移步：链接

２.动态散点图

import plotly.express as px

df = px.data.gapminder()
fig=px.scatter(df, x="gdpPercap", y="lifeExp", animation_frame="year", animation_group="country",
           size="pop", color="continent", hover_name="country",
           log_x=True, size_max=55, range_x=[100,100000], range_y=[25,90])
fig.show()

fig.show()会在浏览器中打开一幅动图：
在这里插入图片描述

3.动态条形图

import plotly.express as px

df = px.data.gapminder()

fig = px.bar(df, x="continent", y="pop", color="continent",
  animation_frame="year", animation_group="country", range_y=[0,4000000000])
fig.show()

在这里插入图片描述

四.静态图

直到这里，还不需要打开Jupyter Notebook。而下面的内容要使用Jupyter Notebook。
我使用的是vscode+Ubuntu20.04LTS。所以要先安装Jupyter

pip3 install jupyter

再找几个Jupyter插件安一下就行了。
然后打开在终端运行：

jupyter notebook

会在浏览器中打开Jupyter Notebook ，点击右边的Ｎew即可新建文件。这些应该够了，如果还需要其他操作，请自行百度：https://www.jianshu.com/p/91365f343585
以下是在Jupyter Notebook里进行的python3文件的执行

拆线图：

# import pkg
from plotly.graph_objs import Scatter,Layout
import plotly
import plotly.offline as py
import numpy as np
import plotly.graph_objs as go

#设置编辑模式
plotly.offline.init_notebook_mode(connected=True)

#制作折线图
N = 150
random_x = np.linspace(0,1,N)
random_y0 = np.random.randn(N)+7
random_y1 = np.random.randn(N)
random_y2 = np.random.randn(N)-7

trace0 = go.Scatter(
    x = random_x,
    y = random_y0,
    mode = 'markers',
    name = 'markers'
)
trace1 = go.Scatter(
    x = random_x,
    y = random_y1,
    mode = 'lines+markers',
    name = 'lines+markers'
)
trace2 = go.Scatter(
    x = random_x,
    y = random_y2,
    mode = 'lines',
    name = 'lines'
)
data = [trace0,trace1,trace2]
py.iplot(data)

显示图如下：
在这里插入图片描述

条形图

# import pkg
from plotly.graph_objs import Scatter,Layout
import plotly
import plotly.offline as py
import numpy as np
import plotly.graph_objs as go

#设置编辑模式
plotly.offline.init_notebook_mode(connected=True)
# 直方图
trace0 = go.Bar(
    x = ['Jan','Feb','Mar','Apr', 'May','Jun',
         'Jul','Aug','Sep','Oct','Nov','Dec'],
    y = [20,15,25,16,18,28,19,67,12,56,14,27],
    name = 'Primary Product',
    marker=dict(
        color = 'rgb(49,130,189)'
    )
)
trace1 = go.Bar(
    x = ['Jan','Feb','Mar','Apr', 'May','Jun',
         'Jul','Aug','Sep','Oct','Nov','Dec'],
    y = [29,14,32,14,16,19,25,14,10,12,82,16],
    name = 'Secondary Product',
    marker=dict(
        color = 'rgb(204,204,204)'
    )
)
data = [trace0,trace1]
py.iplot(data)

在这里插入图片描述

散点图

# import pkg
from plotly.graph_objs import Scatter,Layout
import plotly
import plotly.offline as py
import numpy as np
import plotly.graph_objs as go

#设置编辑模式
plotly.offline.init_notebook_mode(connected=True)
# 散点图
trace1 = go.Scatter(
     y = np.random.randn(700),
    mode = 'markers',
    marker = dict(
        size = 16,
        color = np.random.randn(800),
        colorscale = 'Viridis',
        showscale = True
    )
)
data = [trace1]
py.iplot(data)

在这里插入图片描述

五.剖析（摘自：https://www.jianshu.com/p/44416202aafb）

px.scatter(gapminder   # 绘图使用的数据
           ,x="gdpPercap" # 横纵坐标使用的数据
           ,y="lifeExp"
           ,color="continent"  # 区分颜色的属性
           ,size="pop"   # 区分圆的大小
           ,size_max=60  # 圆的最大值
           ,hover_name="country"  # 图中可视化最上面的名字
           ,animation_frame="year"  # 横轴滚动栏的属性year
           ,animation_group="country"
           ,facet_col="continent"   # 按照国家country属性进行分格显示
           ,log_x=True
           ,range_x=[100,100000]
           ,range_y=[25,90]
           ,labels=dict(pop="Populations",  # 属性名字的变化，更直观
                       gdpPercap="GDP per Capital",
                       lifeExp="Life Expectancy"))

在这里插入图片描述

def scatter(data_frame, x=None, y=None, color=None, symbol=None, size=None, 
            hover_name=None, hover_data=None, text=None, facet_row=None, 
            facet_col=None, error_x=None, error_x_minus=None, error_y=None, 
            error_y_minus=None, animation_frame=None, animation_group=None, 
            category_orders={}, labels={}, color_discrete_sequence=None, 
            color_discrete_map={}, color_continuous_scale=None, 
            range_color=None, color_continuous_midpoint=None, 
            symbol_sequence=None, symbol_map={}, opacity=None,
            size_max=None, marginal_x=None, marginal_y=None, trendline=None,
            trendline_color_override=None, log_x=False, log_y=False,
            range_x=None, range_y=None, render_mode='auto', title=None, 
            template=None, width=None, height=None):

    return

data_frame：目标数据，类型为dataframe；
x ：指定列名。列中的值用于笛卡尔坐标中沿 X 轴的定位标记。图表类型为水平柱状图时，这些值用作参数histfunc的入参；
y ：指定列名。列中的值用于笛卡尔坐标中沿 Y 轴的定位标记。图表类型为垂直柱状图时，这些值用作参数histfunc的入参；
color：指定列名。为列中的不同值，(由px)自动匹配不同的标记颜色；若列为数值数据时，还会自动生成连续色标；
symbol：指定列名。为列中的不同值，设置不同的标记形状；
size：指定列名。为列中的不同值，设置不同的标记大小；
hover_name：指定列名。将列中的值，加粗显示在悬停提示内容的正上方；
hover_data：指定列名组成的列表。所有列的值，显示在悬停提示内容中，位于x/y值的下方。指定的列与x/y重复时仅显示1条数据；
text：指定列名。列中的值，在图的标记中显示为文本标签，同时也显示在悬停提示内容中；
facet_row：指定列名。根据列中不同的(N个)值，在垂直方向上显示N个子图，并在子图右侧，垂直方向上，进行文本标注；
facet_col：指定列名。根据列中不同的(N个)值，在水平方向上显示N个子图，并在子图上方，水平方向上，进行文本标注；
error_x：指定列名。显示误差线，列中的值用于调整 X 轴误差线的大小。如果参数error_x_minus == None，则悬停提示内容中，显示对称的误差值；否则显示正向的误差值。该列通常是基于元数据加工的结果，目的是统计元数据指标的误差值，一般会用元数据除以100的整数倍。
error_x_minus：指定列名。列中的值用于在负方向调整 X 轴误差线的大小，如果参数error_x==None，则直接忽略该参数；
error_y：指定列名。显示误差线，列中的值用于调整 Y 轴误差线的大小。如果参数error_y_minus == None，则悬停提示内容中，显示对称的误差值；否则显示正向的误差值。该列通常是基于元数据加工的结果，目的是统计元数据指标的误差值，一般会用元数据除以100的整数倍。
error_y_minus：指定列名。列中的值用于在负方向调整 Y 轴误差线的大小，如果参数error_y==None，则直接忽略该参数；
animation_frame：指定列名。列中的值用于为动画帧指定标记，即设置滑动条；
animation_group：指定列名。列中的值用于提供跨动画帧的联动匹配；
category_orders：带有字符串键和字符串列表值的字典，默认为{}，此参数用于强制每列的特定值排序，dict键是列名，dict值是指定的排列顺序的字符串列表。默认情况下，在Python 3.6+中，轴，图例和构面中的分类值的顺序取决于在data_frame中首次出现的顺序，而在3.6以下的Python中，默认不保证顺序，该参数即为解决此类问题而设计；
labels：带字符串键和字符串值的dict，默认为{}。此参数用于修改图表中显示的列名称。默认情况下，图表中使用列名称作为轴标题、图例条目、悬停提示等，此参数可以进行修改，dict的键是列名，dict值是修改的新名称；
color_discrete_sequence：有效的CSS颜色字符串列表，取自plotly_express的color子模块。当参数color指定的列不是数值数据时，该参数为color列指定颜色序列，若category_orders参数不为None，则按category_orders中设定的顺序循环执行color_discrete_sequence，除非color列的值在参数color_discrete_map入参的dict键中；
color_discrete_map：带字符串键和有效CSS颜色字符串值的dict，默认为{}。当参数color指定的列不是数值数据时，该参数用于将特定颜色分配给，与特定值对应的标记，color_discrete_map中的键为color表示的列值。其优先级高，会覆盖color_discrete_sequence参数中的设置；
color_continuous_scale：有效的CSS颜色字符串列表，取自plotly_express的color子模块。当参数color指定的列是数值数据时，为连续色标，设置指定的颜色序列。实际上，color指定列时，px会自动匹配颜色：1）若指定列是数值数据，通过参数color_continuous_scale可以设定具体的颜色序列；2）若指定列是非数值数据时，通过参数color_discrete_sequence可以设定具体的颜色序列(循环匹配)；通过参数color_discrete_map可以为列中不同值，指定具体的颜色；
range_color：2个数字元素组成的列表，参数用于设定连续色标上的自动缩放，即边界的大小值；
color_continuous_midpoint：数字，默认为无。如果设置，则计算连续色标的边界以具有所需的中点。 若使用plotly_express.colors.diverging色标作为color_continuous_scale的如参时，建议设置此值；
symbol_sequence：定义plotly.js符号的字符串列表。参数用于为列中的值分配符号，除非symbol的值是symbol_map中的键。分配符号的顺序：按按category_orders中设置的顺序循环执行；
symbol_map：带字符串键和定义plotly.js符号的字符串值的dict，默认值{}。该参数用于将特定符号分配给，与特定值对应的标记，symbol_map中的键为symbol表示的列值。其优先级高，会覆盖symbol_sequence参数中的设置；
opacity：数字，介于0和1之间，设置标记的不透明度；
size_max：整数，默认为20。使用size参数时，设置最大标记的大小；
marginal_x：字符串，取值：rug(细条)、box(箱图)、violin(小提琴图)、histogram(直方图)。该参数用于在主图上方，绘制一个水平子图，以便对x分布，进行可视化；
marginal_y：字符串，取值：rug(细条)、box(箱图)、violin(小提琴图)、histogram(直方图)。该参数用于在主图右侧，绘制一个垂直子图，以便对y分布，进行可视化；
trendline：字符串，取值：ols、lowess、None。取值为ols时，将为每个离散颜色/符号组，绘制一个普通最小二乘回归线；取值为lowess时，则将为每个离散颜色/符号组，绘制局部加权散点图平滑线；
trendline_color_override：字符串，有效的CSS颜色。如果设置了参数trendline趋势线，则将以此颜色绘制所有趋势线；
log_x：布尔值，默认为False。如果为True，则 X 轴在笛卡尔坐标系中进行对数缩放；
log_y：布尔值，默认为False。如果为True，则 Y 轴在笛卡尔坐标系中进行对数缩放；
range_x：2个数字元素组成的列表，用于设定笛卡尔坐标中 X 轴上的自动缩放，即边界的大小值；
range_y：2个数字元素组成的列表，用于设定笛卡尔坐标中 Y 轴上的自动缩放，即边界的大小值；
render_mode：字符串，取值：auto(默认)、svg、webgl。用于控制绘制标记的浏览器API，svg适用于少于1000的数据，并允许完全矢量化输出；webgl可以接收1000点以上的数据；auto使用启发式方法来选择模式；
title：字符串，设置图表的标题；
template：字符串或Plotly.py模板对象，设置图表的背景颜色。有三个内置的 Plotly 主题： plotly， plotly_white 和 plotly_dark；
width：整数，默认无，设置图表的宽度（以像素为单位）；
height：整数，默认600，设置图表的高度（以像素为单位）；

六.其他

    scatter：散点图 在散点图中，每行data_frame由2D空间中的符号标记表示；

    scatter_3d：三维散点图 在3D散点图中，每行data_frame由3D空间中的符号标记表示；

    scatter_polar：极坐标散点图 在极坐标散点图中，每行data_frame由极坐标中的符号标记表示；

    scatter_ternary：三元散点图 在三元散点图中，每行data_frame由三元坐标中的符号标记表示；

    scatter_mapbox：地图散点图 在Mapbox散点图中，每一行data_frame都由Mapbox地图上的符号标记表示；

    scatter_geo：地理坐标散点图 在地理散点图中，每一行data_frame都由地图上的符号标记表示；

    scatter_matrix：矩阵散点图 在散点图矩阵(或SPLOM)中，每行data_frame由多个符号标记表示，在2D散点图的网格的每个单元格中有一个，其将每对dimensions彼此相对绘制；

    density_contour：密度等值线图（双变量分布） 在密度等值线图中，行data_frame被组合在一起，成为轮廓标记，以可视化该值的聚合函数histfunc(例如：计数或总和)的2D分布z；

    density_heatmap：密度热力图（双变量分布） 在密度热图中，行data_frame被组合在一起，成为彩色矩形瓦片，以可视化该值的聚合函数histfunc(例如：计数或总和)的2D分布 z；

    line：线条图 在2D线图中，每行data_frame表示为2D空间中折线标记的顶点；

    line_polar：极坐标线条图 在极线图中，每行data_frame表示为极坐标中折线标记的顶点；

    line_ternary：三元线条图 在三元线图中，每行data_frame表示为三元坐标中折线标记的顶点；

    line_mapbox：地图线条图 在Mapbox线图中，每一行data_frame表示为Mapbox地图上折线标记的顶点；

    line_geo：地理坐标线条图 在地理线图中，每一行data_frame表示为地图上折线标记的顶点；

    parallel_coordinates：平行坐标图 在平行坐标图中，每行data_frame由折线标记表示，该折线标记穿过一组平行轴，每个平行轴对应一个平行轴 dimensions；

    parallel_categories：并行类别图 在并行类别(或平行集)图中，每行data_frame与其他共享相同值的行组合，dimensions然后通过一组平行轴绘制为折线标记，每个平行轴对应一个dimensions；

    area：堆积区域图 在堆积区域图中，每行data_frame表示为2D空间中折线标记的顶点。连续折线之间的区域被填充；

    bar：条形图 在条形图中，每行data_frame表示为矩形标记；

    bar_polar：极坐标条形图 在极坐标条形图中，每一行都data_frame表示为极坐标中的楔形标记；

    violin：小提琴图 在小提琴图中，将data_frame每一行分组成一个曲线标记，以便可视化它们的分布；

    box：箱形图 在箱形图中，data_frame的每一行被组合在一起成为盒须标记，以显示它们的分布；

    strip：长条图 在长条图中，每一行data_frame表示为类别中的抖动标记；l

    histogram：直方图 在直方图中，每一行data_frame被组合在一起成为矩形标记，以可视化该值的聚合函数histfunc(例如，计数或总和)的1D分布y(或者x，如果orientation是'h'时)；

    choropleth：等高(值)区域地图 在等值区域图中，每行data_frame由地图上的彩色区域标记表示；

Greate AUK

关注

0
点赞
踩
4

收藏

觉得还不错? 一键收藏
0
评论
Python可视化plotly

摘自：链接１.安装pip3 install plotlypip3 install pandas //如果报出需要安装其他库，请一并安装上２.动态散点图import plotly.express as pxdf = px.data.gapminder()fig=px.scatter(df, x="gdpPercap", y="lifeExp", animation_frame="year", animation_group="country", size="pop",
复制链接

扫一扫

专栏目录