【Python百日进阶-数据分析】Day226 - plotly的仪表盘go.Indicator()

一、语法

仪表盘图用于可视化单个value以及一些上下文信息，例如steps或threshold，使用三个视觉元素的组合：数字、增量和/或仪表。Deltas 是针对 a 进行的 reference。量规可以是角度量规或子弹（又名线性）量规。

plotly.graph_objects.Indicator(arg=None, 
                               align=None, 
                               customdata=None, 
                               customdatasrc=None, 
                               delta=None, 
                               domain=None, 
                               gauge=None, 
                               ids=None, 
                               idssrc=None, 
                               legendgrouptitle=None, 
                               legendrank=None, 
                               meta=None, 
                               metasrc=None, 
                               mode=None, 
                               name=None, 
                               number=None, 
                               stream=None, 
                               title=None, 
                               uid=None, 
                               uirevision=None, 
                               value=None, 
                               visible=None, 
                               **kwargs)

二、参数

• arg - 与此构造函数或实例兼容的属性字典plotly.graph_objects.Indicator

• aligntext - 设置框内的水平对齐方式。请注意，如果显示角度规，则此属性无效：在这种情况下，它始终居中

• customdata – 为每个数据分配额外的数据。这在侦听悬停、单击和选择事件时可能很有用。请注意，“分散”跟踪还会在标记 DOM 元素中附加自定义数据项

• customdatasrc – 在 Chart Studio Cloud 上为 customdata.

• delta –plotly.graph_objects.indicator.Delta具有兼容属性的实例或字典

• domain –plotly.graph_objects.indicator.Domain具有兼容属性的实例或字典

• gauge - 指标图的仪表。

• ids – 为每个数据分配 id 标签。这些 id 用于动画期间数据点的对象恒定性。应该是字符串数组，而不是数字或任何其他类型。

• idssrc – 在 Chart Studio Cloud 上为 ids.

• legendgrouptitle – :class: plotly.graph_objects.indicator.Legendgrouptitle 具有兼容属性的实例或字典

• legendrank – 设置此跟踪的图例等级。排名较小的项目和组显示在顶部/左侧，而它们位于底部/右侧。默认的 legendrank 为 1000，因此您可以使用 rank 小于 1000 将某些项目放置在所有未排序的项目之前，而将 rank 大于 1000 放置在所有未排序的项目之后。reversed `legend.traceorder

• meta - 分配与此跟踪相关的额外元信息，可用于各种文本属性。trace name、graph、axis和colorbar title.text、annotation text rangeselector、 text等属性都updatemenues支持。要访问 同一跟踪中属性中的跟踪值，只需使用 where是相关 项目的索引或键。要访问布局属性中的跟踪，请使用where 是索引或 的键，并且是跟踪索引。sliders labelmetameta%{meta[i]}imetameta%{data[n[.meta[i]}imetan

• metasrc – 在 Chart Studio Cloud 上为 meta.

• mode – 确定值在图表上的显示方式。 number以文本形式显示数值。 delta在文本中显示与参考值的差异。最后，gauge在轴上以图形方式显示该值。

• name – 设置跟踪名称。跟踪名称显示为图例项并悬停。

• number –plotly.graph_objects.indicator.Number具有兼容属性的实例或字典

• stream -plotly.graph_objects.indicator.Stream具有兼容属性的实例或字典

• title -plotly.graph_objects.indicator.Title具有兼容属性的实例或字典

• uid – 为该跟踪分配一个 id，使用它在动画和过渡期间提供跟踪之间的对象恒定性。

• uirevision - 控制对跟踪的一些用户驱动更改的持久性：constraintrange在parcoords跟踪中，以及一些修改，例如 和。默认为. 请注意，其他用户驱动的跟踪属性更改由属性控制：由 控制， 由控制 ，并且 （可通过 访问）由 控制。跟踪更改由 跟踪，如果没有提供，则仅回退到跟踪索引。因此，如果您的应用程序可以在数组末尾添加/删除跟踪，这样相同的跟踪具有不同的索引，如果您给每个跟踪一个 editable: truenamecolorbar.titlelayout.uirevisionlayouttrace.visiblelayout.legend.uirevisionselectedpointslayout.selectionrevisioncolorbar.(x|y)config: {editable: true}layout.editrevisionuiduiddatauid当它移动时，它会一直伴随着它。

• value – 设置要显示的数字。

• visible – 确定此跟踪是否可见。如果“legendonly”，则不绘制迹线，但可以显示为图例项（前提是图例本身可见）。

三、返回值

Indicator

四、实例

4.1 Bullet Charts子弹图

Stephen Few 的子弹图是为了替代仪表板仪表而发明的，将两种类型的图表组合成简单的条形图，带有定性条（步骤）、定量条（条）和性能线（阈值）；全部整合到一个简单的布局中。步骤通常被分成几个值，这些值是用数组定义的。条形表示特定变量达到的实际值，阈值通常表示相对于条形所达到的值的目标点。有关更多详细信息，请参见指标页面。

4.1.1 基本子弹图

import plotly.graph_objects as go

fig = go.Figure(go.Indicator(
    mode = "number+gauge+delta",
    gauge = {'shape': "bullet"},
    value = 220,
    delta = {'reference': 300},
    domain = {'x': [0, 1], 'y': [0, 1]},
    title = {'text': "Profit"}))
fig.update_layout(height = 250)

fig.show()

4.1.2 添加步骤和阈值

下面是使用“steps”属性（显示为阴影）和“threshold”来确定边界的相同示例，如果值超过定义的阈值，则会在视觉上提醒您。

import plotly.graph_objects as go

fig = go.Figure(go.Indicator(
    mode = "number+gauge+delta", value = 220,
    domain = {'x': [0.1, 1], 'y': [0, 1]},
    title = {'text' :"<b>利润</b>"},
    delta = {'reference': 200},
    gauge = {
        'shape': "bullet",
        'axis': {'range': [None, 300]},
        'threshold': {
            'line': {'color': "red", 'width': 2},
            'thickness': 0.75,
            'value': 280},
        'steps': [
            {'range': [0, 150], 'color': "lightgray"},
            {'range': [150, 250], 'color': "gray"}]}))
fig.update_layout(height = 250)
fig.show()

4.1.3 自定义子弹

以下示例显示了如何自定义图表。有关所有可能选项的更多信息，请查看我们的参考页面。

import plotly.graph_objects as go

fig = go.Figure(go.Indicator(
    mode = "number+gauge+delta", value = 220,
    domain = {'x': [0, 1], 'y': [0, 1]},
    delta = {'reference': 280, 'position': "top"},
    title = {'text':"<b>利润</b><br><span style='color: gray; font-size:0.8em'>U.S. $</span>", 'font': {"size": 14}},
    gauge = {
        'shape': "bullet",
        'axis': {'range': [None, 300]},
        'threshold': {
            'line': {'color': "red", 'width': 2},
            'thickness': 0.75, 'value': 270},
        'bgcolor': "white",
        'steps': [
            {'range': [0, 150], 'color': "cyan"},
            {'range': [150, 250], 'color': "royalblue"}],
        'bar': {'color': "darkblue"}}))
fig.update_layout(height = 250)
fig.show()

4.1.4 多子弹

可以堆叠子弹图以一次比较多个值，如下所示：

import plotly.graph_objects as go

fig = go.Figure()

fig.add_trace(go.Indicator(
    mode = "number+gauge+delta", value = 180,
    delta = {'reference': 200},
    domain = {'x': [0.25, 1], 'y': [0.08, 0.25]},
    title = {'text': "收入"},
    gauge = {
        'shape': "bullet",
        'axis': {'range': [None, 300]},
        'threshold': {
            'line': {'color': "black", 'width': 2},
            'thickness': 0.75,
            'value': 170},
        'steps': [
            {'range': [0, 150], 'color': "gray"},
            {'range': [150, 250], 'color': "lightgray"}],
        'bar': {'color': "black"}}))

fig.add_trace(go.Indicator(
    mode = "number+gauge+delta", value = 35,
    delta = {'reference': 200},
    domain = {'x': [0.25, 1], 'y': [0.4, 0.6]},
    title = {'text': "利润"},
    gauge = {
        'shape': "bullet",
        'axis': {'range': [None, 100]},
        'threshold': {
            'line': {'color': "black", 'width': 2},
            'thickness': 0.75,
            'value': 50},
        'steps': [
            {'range': [0, 25], 'color': "gray"},
            {'range': [25, 75], 'color': "lightgray"}],
        'bar': {'color': "black"}}))

fig.add_trace(go.Indicator(
    mode = "number+gauge+delta", value = 220,
    delta = {'reference': 200},
    domain = {'x': [0.25, 1], 'y': [0.7, 0.9]},
    title = {'text' :"满意度"},
    gauge = {
        'shape': "bullet",
        'axis': {'range': [None, 300]},
        'threshold': {
            'line': {'color': "black", 'width': 2},
            'thickness': 0.75,
            'value': 210},
        'steps': [
            {'range': [0, 150], 'color': "gray"},
            {'range': [150, 250], 'color': "lightgray"}],
        'bar': {'color': "black"}}))
fig.update_layout(height = 400 , margin = {'t':0, 'b':0, 'l':0})

fig.show()

4.2 径向仪表图

径向仪表图有一个圆弧，它显示一个值来估计实现目标的进度。条形显示目标值，阴影表示实现该目标的进度。仪表图表，也称为速度表图表。这种图表类型通常用于说明关键业务指标。

下面的示例显示具有默认属性的基本仪表图。有关不同添加属性的更多信息，请查看指示器教程。

4.2.1 基本仪表

import plotly.graph_objects as go

fig = go.Figure(go.Indicator(
    mode = "gauge+number",
    value = 270,
    domain = {'x': [0, 1], 'y': [0, 1]},
    title = {'text': "速度"}))

fig.show()

4.2.2 添加步骤、阈值和增量

以下示例包括在径向弧内显示为阴影的“steps”属性、作为值和目标（参考 - 值）之差的“delta”以及用于确定边界的“阈值”，当值越过 a 时会在视觉上提醒您定义的阈值。

import plotly.graph_objects as go

fig = go.Figure(go.Indicator(
    domain = {'x': [0, 1], 'y': [0, 1]},
    value = 450,
    mode = "gauge+number+delta",
    title = {'text': "速度"},
    delta = {'reference': 380},
    gauge = {'axis': {'range': [None, 500]},
             'steps' : [
                 {'range': [0, 250], 'color': "lightgray"},
                 {'range': [250, 400], 'color': "gray"}],
             'threshold' : {'line': {'color': "red", 'width': 4}, 'thickness': 0.75, 'value': 490}}))

fig.show()

4.2.3 自定义仪表图

以下示例显示了如何设置仪表图的样式。有关所有可能选项的更多信息，请查看我们的参考页面。

import plotly.graph_objects as go

fig = go.Figure(go.Indicator(
    mode = "gauge+number+delta",
    value = 420,
    domain = {'x': [0, 1], 'y': [0, 1]},
    title = {'text': "速度", 'font': {'size': 24}},
    delta = {'reference': 400, 'increasing': {'color': "RebeccaPurple"}},
    gauge = {
        'axis': {'range': [None, 500], 'tickwidth': 1, 'tickcolor': "darkblue"},
        'bar': {'color': "darkblue"},
        'bgcolor': "white",
        'borderwidth': 2,
        'bordercolor': "gray",
        'steps': [
            {'range': [0, 250], 'color': 'cyan'},
            {'range': [250, 400], 'color': 'royalblue'}],
        'threshold': {
            'line': {'color': "red", 'width': 4},
            'thickness': 0.75,
            'value': 490}}))

fig.update_layout(paper_bgcolor = "lavender", font = {'color': "darkblue", 'family': "Arial"})

fig.show()

4.3 组合仪表图

在本教程中，我们介绍了一个名为“Indicator”的新跟踪。“指标”的目的是可视化由“值”属性指定的单个值。可以使用三个不同的视觉元素来表示该值：数字、增量和量规。它们的任何组合都可以通过“mode”属性指定。顶级属性是：

• value：要可视化的值

• mode：绘制哪些视觉元素

• align：如何对齐数字和增量（左，中，右）

• domain：图形的范围
  然后我们可以通过各自的容器配置 3 个不同的视觉元素：

• number 只是文本中数字的表示形式。它具有以下属性：

• valueformat：格式化数字

• prefix：数字前的字符串

• suffix：数字后的字符串

• font.(family|size): 控制字体
  “delta”只是显示值相对于参考值之间的差异。它具有以下属性：

• reference：将值与之比较的数字

• relative的：这种差异是绝对的还是相对的

• valueformat：格式化增量

• (increasing|decreeasing).color: 用于正或递减增量的颜色

• (increasing|decreeasing).symbol：显示在 delta 左侧的符号

• font.(family|size): 控制字体

• position：相对于[数学处理错误]的位置（上、左、下、右）
  最后，我们可以通过title’text’ 属性（一个字符串）和 ‘align’ 来为指标设置一个简单的标题，它可以设置为左、中和右。有两种量规类型：angular和bullet。这是两种形状（角度、子弹）和不同模式（量规、增量和值）的组合：

4.3.1 组合仪表图

import plotly.graph_objects as go

fig = go.Figure()

fig.add_trace(go.Indicator(
    value = 200,
    delta = {'reference': 160},
    gauge = {
        'axis': {'visible': False}},
    domain = {'row': 0, 'column': 0}))

fig.add_trace(go.Indicator(
    value = 120,
    gauge = {
        'shape': "bullet",
        'axis' : {'visible': False}},
    domain = {'x': [0.05, 0.5], 'y': [0.15, 0.35]}))

fig.add_trace(go.Indicator(
    mode = "number+delta",
    value = 300,
    domain = {'row': 0, 'column': 1}))

fig.add_trace(go.Indicator(
    mode = "delta",
    value = 40,
    domain = {'row': 1, 'column': 1}))

fig.update_layout(
    grid = {'rows': 2, 'columns': 2, 'pattern': "independent"},
    template = {'data' : {'indicator': [{
        'title': {'text': "速度"},
        'mode' : "number+delta+gauge",
        'delta' : {'reference': 90}}]
                         }})

fig.show()

4.3.2 单角量规图

import plotly.graph_objects as go

fig = go.Figure(go.Indicator(
    mode = "gauge+number",
    value = 450,
    title = {'text': "速度"},
    domain = {'x': [0, 1], 'y': [0, 1]}
))

fig.show()

4.3.3 子弹规

相当于上面的“角规”：

import plotly.graph_objects as go

fig = go.Figure(go.Indicator(
    mode = "number+gauge+delta",
    gauge = {'shape': "bullet"},
    delta = {'reference': 300},
    value = 220,
    domain = {'x': [0.1, 1], 'y': [0.2, 0.9]},
    title = {'text': "平均订单量"}))

fig.show()

4.3.4 在图表上方显示信息

另一个有趣的特性是指标轨迹位于其他轨迹（甚至是 3d 轨迹）之上。这样，它可以很容易地用作叠加层，如下所示

import plotly.graph_objects as go

fig = go.Figure(go.Indicator(
    mode = "number+delta",
    value = 492,
    delta = {"reference": 512, "valueformat": ".0f"},
    title = {"text": "在线用户数"},
    domain = {'y': [0, 1], 'x': [0.25, 0.75]}))

fig.add_trace(go.Scatter(
    y = [325, 324, 405, 400, 424, 404, 417, 432, 419, 394, 410, 426, 413, 419, 404, 408, 401, 377, 368, 361, 356, 359, 375, 397, 394, 418, 437, 450, 430, 442, 424, 443, 420, 418, 423, 423, 426, 440, 437, 436, 447, 460, 478, 472, 450, 456, 436, 418, 429, 412, 429, 442, 464, 447, 434, 457, 474, 480, 499, 497, 480, 502, 512, 492]))

fig.update_layout(xaxis = {'range': [0, 62]})
fig.show()

4.3.5 数据卡/大数字

数据卡有助于显示有关数据的更多上下文信息。有时您只想在报告中看到一个数字，例如总销售额、年收入等。此示例展示了如何可视化这些大数字：

import plotly.graph_objects as go

fig = go.Figure(go.Indicator(
    mode = "number+delta",
    value = 400,
    number = {'prefix': "$"},
    delta = {'position': "top", 'reference': 320},
    domain = {'x': [0, 1], 'y': [0, 1]}))

fig.update_layout(paper_bgcolor = "lightgray")

fig.show()

4.3.6 显示多个数字

import plotly.graph_objects as go

fig = go.Figure()

fig.add_trace(go.Indicator(
    mode = "number+delta",
    value = 200,
    domain = {'x': [0, 0.5], 'y': [0, 0.5]},
    delta = {'reference': 400, 'relative': True, 'position' : "top"}))

fig.add_trace(go.Indicator(
    mode = "number+delta",
    value = 350,
    delta = {'reference': 400, 'relative': True},
    domain = {'x': [0, 0.5], 'y': [0.5, 1]}))

fig.add_trace(go.Indicator(
    mode = "number+delta",
    value = 450,
    title = {"text": "账户<br><span style='font-size:0.8em;color:gray'>Subtitle</span><br><span style='font-size:0.8em;color:gray'>Subsubtitle</span>"},
    delta = {'reference': 400, 'relative': True},
    domain = {'x': [0.6, 1], 'y': [0, 1]}))

fig.show()

4.4 Dash中的应用

import plotly.graph_objects as go # or plotly.express as px
fig = go.Figure() # or any Plotly Express function e.g. px.bar(...)
# fig.add_trace( ... )
# fig.update_layout( ... )

import dash
import dash_core_components as dcc
import dash_html_components as html

app = dash.Dash()
app.layout = html.Div([
    dcc.Graph(figure=fig)
])

app.run_server(debug=True, use_reloader=False)  # Turn off reloader if inside Jupyter