【Python百日进阶-数据分析】Day228 - plotly的图表的变换

最新推荐文章于 2023-01-19 03:45:00 发布
最新推荐文章于 2023-01-19 03:45:00 发布
阅读量463 收藏 1
点赞数
分类专栏： 前端 文章标签： python 数据分析 plotly
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/yuetaope/article/details/123114543
版权

文章目录

一、过滤

如何通过 Plotly 在 Python 中使用过滤器。
注意 transforms在 v5 中已弃用，plotly将在未来版本中删除

import plotly.io as pio

subject = ['Moe','Larry','Curly','Moe','Larry','Curly','Moe','Larry','Curly','Moe','Larry','Curly']
score = [1,6,2,8,2,9,4,5,1,5,2,8]

data = [dict(
  type = 'scatter',
  x = subject,
  y = score,
  mode = 'markers',
  transforms = [dict(
    type = 'filter',
    target = 'y',
    operation = '>',
    value = 4
  )]
)]

layout = dict(
    title = 'Scores > 4'
)

fig_dict = dict(data=data, layout=layout)

pio.show(fig_dict, validate=False)

在这里插入图片描述

二、分组

如何在 Python 中通过 Plotly 使用 group by。

注意 transforms在 v5 中已弃用，plotly并将在未来版本中删除。

import plotly.io as pio

subject = ['Moe','Larry','Curly','Moe','Larry','Curly','Moe','Larry','Curly','Moe','Larry','Curly']
score = [1,6,2,8,2,9,4,5,1,5,2,8]

data = [dict(
  type = 'scatter',
  x = subject,
  y = score,
  mode = 'markers',
  transforms = [dict(
    type = 'groupby',
    groups = subject,
    styles = [
        dict(target = 'Moe', value = dict(marker = dict(color = 'blue'))),
        dict(target = 'Larry', value = dict(marker = dict(color = 'red'))),
        dict(target = 'Curly', value = dict(marker = dict(color = 'black')))
    ]
  )]
)]

fig_dict = dict(data=data)
pio.show(fig_dict, validate=False)

在这里插入图片描述

三、聚合

如何在 Python 中通过 Plotly 使用聚合。
注意 transforms在 v5 中已弃用，plotly并将在未来版本中删除。
聚合是一种可以应用于给定表达式中的值的转换类型。可用的聚合有：

功能描述
count返回每个组的项目数量。
sum返回所有数值的总和。
avg返回所有数值的平均值。
median返回所有数值的中位数。
mode返回所有数值的模式。
rms返回所有数值的 rms。
stddev返回所有数值的标准差。
min返回每个组的最小数值。
max返回每个组的最大数值。
first返回每个组的第一个数值。
last返回每个组的最后一个数值。
import plotly.io as pio

subject = ['Moe','Larry','Curly','Moe','Larry','Curly','Moe','Larry','Curly','Moe','Larry','Curly']
score = [1,6,2,8,2,9,4,5,1,5,2,8]

data = [dict(
  type = 'scatter',
  x = subject,
  y = score,
  mode = 'markers',
  transforms = [dict(
    type = 'aggregate',
    groups = subject,
    aggregations = [dict(
        target = 'y', func = 'sum', enabled = True),
    ]
  )]
)]

fig_dict = dict(data=data)

pio.show(fig_dict, validate=False)

在这里插入图片描述

四、多重转换

如何在 Python 中通过 Plotly 使用多个转换（过滤、分组和聚合）。

注意 transforms在 v5 中已弃用，plotly并将在未来版本中删除。

4.1 Filter and Group By

import plotly.io as pio

import pandas as pd
# "https://raw.githubusercontent.com/plotly/datasets/master/gapminderDataFiveYear.csv"
df = pd.read_csv("f:/gapminderDataFiveYear.csv")
print(df)
'''
          country  year         pop continent  lifeExp   gdpPercap
0     Afghanistan  1952   8425333.0      Asia   28.801  779.445314
1     Afghanistan  1957   9240934.0      Asia   30.332  820.853030
2     Afghanistan  1962  10267083.0      Asia   31.997  853.100710
3     Afghanistan  1967  11537966.0      Asia   34.020  836.197138
4     Afghanistan  1972  13079460.0      Asia   36.088  739.981106
...           ...   ...         ...       ...      ...         ...
1699     Zimbabwe  1987   9216418.0    Africa   62.351  706.157306
1700     Zimbabwe  1992  10704340.0    Africa   60.377  693.420786
1701     Zimbabwe  1997  11404948.0    Africa   46.809  792.449960
1702     Zimbabwe  2002  11926563.0    Africa   39.989  672.038623
1703     Zimbabwe  2007  12311143.0    Africa   43.487  469.709298

[1704 rows x 6 columns]
'''

colors = ['blue', 'orange', 'green', 'red', 'purple']

opt = []
opts = []
for i in range(0, len(colors)):
    opt = dict(
        target = df['continent'][[i]].unique(), value = dict(marker = dict(color = colors[i]))
    )
    opts.append(opt)

data = [dict(
  type = 'scatter',
  mode = 'markers',
  x = df['lifeExp'],
  y = df['gdpPercap'],
  text = df['continent'],
  hoverinfo = 'text',
  opacity = 0.8,
  marker = dict(
      size = df['pop'],
      sizemode = 'area',
      sizeref = 200000
  ),
  transforms = [
      dict(
        type = 'filter',
        target = df['year'],
        orientation = '=',
        value = 2007
      ),
      dict(
        type = 'groupby',
        groups = df['continent'],
        styles = opts
    )]
)]

layout = dict(
    yaxis = dict(
        type = 'log'
    )
)

fig_dict = dict(data=data, layout=layout)
pio.show(fig_dict, validate=False)

在这里插入图片描述

4.2 Filter and Aggregate

import plotly.io as pio
import pandas as pd
# "https://raw.githubusercontent.com/plotly/datasets/master/gapminderDataFiveYear.csv"
df = pd.read_csv("f:/gapminderDataFiveYear.csv")
print(df)
'''
          country  year         pop continent  lifeExp   gdpPercap
0     Afghanistan  1952   8425333.0      Asia   28.801  779.445314
1     Afghanistan  1957   9240934.0      Asia   30.332  820.853030
2     Afghanistan  1962  10267083.0      Asia   31.997  853.100710
3     Afghanistan  1967  11537966.0      Asia   34.020  836.197138
4     Afghanistan  1972  13079460.0      Asia   36.088  739.981106
...           ...   ...         ...       ...      ...         ...
1699     Zimbabwe  1987   9216418.0    Africa   62.351  706.157306
1700     Zimbabwe  1992  10704340.0    Africa   60.377  693.420786
1701     Zimbabwe  1997  11404948.0    Africa   46.809  792.449960
1702     Zimbabwe  2002  11926563.0    Africa   39.989  672.038623
1703     Zimbabwe  2007  12311143.0    Africa   43.487  469.709298

[1704 rows x 6 columns]
'''

data = [dict(
  type = 'scatter',
  mode = 'markers',
  x = df['lifeExp'],
  y = df['gdpPercap'],
  text = df['continent'],
  hoverinfo = 'text',
  opacity = 0.8,
  marker = dict(
      size = df['pop'],
      sizemode = 'area',
      sizeref = 200000
  ),
  transforms = [
      dict(
        type = 'filter',
        target = df['year'],
        orientation = '=',
        value = 2007
      ),
      dict(
        type = 'aggregate',
        groups = df['continent'],
        aggregations = [
            dict(target = 'x', func = 'avg'),
            dict(target = 'y', func = 'avg'),
            dict(target = 'marker.size', func = 'sum')
        ]
      )]
)]

layout = dict(
    yaxis = dict(
        type = 'log'
    )
)


fig_dict = dict(data=data, layout=layout)

pio.show(fig_dict, validate=False)

在这里插入图片描述

4.3 所有变换

import plotly.io as pio
import pandas as pd
# "https://raw.githubusercontent.com/plotly/datasets/master/gapminderDataFiveYear.csv"
df = pd.read_csv("f:/gapminderDataFiveYear.csv")
print(df)
'''
          country  year         pop continent  lifeExp   gdpPercap
0     Afghanistan  1952   8425333.0      Asia   28.801  779.445314
1     Afghanistan  1957   9240934.0      Asia   30.332  820.853030
2     Afghanistan  1962  10267083.0      Asia   31.997  853.100710
3     Afghanistan  1967  11537966.0      Asia   34.020  836.197138
4     Afghanistan  1972  13079460.0      Asia   36.088  739.981106
...           ...   ...         ...       ...      ...         ...
1699     Zimbabwe  1987   9216418.0    Africa   62.351  706.157306
1700     Zimbabwe  1992  10704340.0    Africa   60.377  693.420786
1701     Zimbabwe  1997  11404948.0    Africa   46.809  792.449960
1702     Zimbabwe  2002  11926563.0    Africa   39.989  672.038623
1703     Zimbabwe  2007  12311143.0    Africa   43.487  469.709298

[1704 rows x 6 columns]
'''

colors = ['blue', 'orange', 'green', 'red', 'purple']

opt = []
opts = []
for i in range(0, len(colors)):
    opt = dict(
        target = df['continent'][[i]].unique(), value = dict(marker = dict(color = colors[i]))
    )
    opts.append(opt)

data = [dict(
  type = 'scatter',
  mode = 'markers',
  x = df['lifeExp'],
  y = df['gdpPercap'],
  text = df['continent'],
  hoverinfo = 'text',
  opacity = 0.8,
  marker = dict(
      size = df['pop'],
      sizemode = 'area',
      sizeref = 200000
  ),
  transforms = [
      dict(
        type = 'filter',
        target = df['year'],
        orientation = '=',
        value = 2007
      ),
      dict(
        type = 'groupby',
        groups = df['continent'],
        styles = opts
      ),
      dict(
        type = 'aggregate',
        groups = df['continent'],
        aggregations = [
            dict(target = 'x', func = 'avg'),
            dict(target = 'y', func = 'avg'),
            dict(target = 'marker.size', func = 'sum')
        ]
      )]
)]

layout = dict(
    title = '<b>Gapminder</b><br>2007 Average GDP Per Cap & Life Exp. by Continent',
    yaxis = dict(
        type = 'log'
    )
)

fig_dict = dict(data=data, layout=layout)
pio.show(fig_dict, validate=False)

在这里插入图片描述

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
岳涛@心馨电脑
关注
  • 0
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
a标签跳到另一个页面指定选项卡_23 标签页Tabs教程（plotly Dash Bootstrap版）
weixin_39768247的博客
11-22 537
今天第23课，本节课程主要学习Dash Bootstrap Components中的标签页Tabs，类似页面中常见的对话框，在python web网页设计中较为常用。请欣赏自己录制的白噪声《仲夏夜的宁静》。祝大家每一天都开心快乐~~~(一)功能具有Bootstrap样式的自包含标签组件。一个Tabs有一个或多个Tabs构成。使用Label制定Tab便签页的文字说明，各个便签页实现点击切换...
实现同一页面切换显示不同内容
06-08
实现在同一个页面内定义导航调后，点击导航在该页面内实现不同内容切换显示
plotly-learn
ofreelander的专栏
10-10 583
Fundamentals | Python | Plotly as below. The Figure Data Structure | Python | Plotly Express, plotly推荐的高级的API； plotly.graph_objects.Figure的结果，实际上就是一个json的对象。 import plotly.express as px fig = px.line(x=["a","b","c"], y=[1,3,2], title="sample figure") pri
python对excel数据可视化 plotly_Python数据可视化之-Plotly
weixin_39907526的博客
12-03 198
这是一篇关于plotly的简单介绍文章，我会在这里以链接和短代码的形式简单介绍plotly的使用。需要注意plotly需要搭配jupyter notebook使用jupyter notebook的安装:1、打开anaconda prompt ,2、conda install -c conda-forge notebook如果是pip：pip install notebookjupyter note...
Plotly 和 Dash 构建 Python 交互式仪表板类 App
跨学科知识视角展现
09-26 1854
特点 借助 Plotly 的 Dash 框架，Python 程序员现在可以比以往更轻松地开发完整的数据应用程序和交互式仪表板 Dash 应用程序可供非技术受众使用，这将使更广泛的人群可以进行数据分析 概述了 Dash 生态系统、其主要包以及对构建和构建应用程序的不同部分至关重要的第三方包 学习如何创建一个基本的 Dash 应用程序并为其添加不同的功能 在应用程序中集成下拉菜单、复选框、滑块、日期选择器等控件，然后将它们链接到图表和其他输出 根据可视化的数据，还将添加多种类型的图表，包括散点图、折线图、条形
Python进阶-Pandas数据分析库
06-11
Pandas是python中非常常用的数据分析库，在数据分析，机器学习，深度学习等领域经常被使用。本课程会讲解到pandas中最核心的一些知识点，包括Series以及DataFrame的构建，赋值，操作，选择数据，合并等等，以及使用...
python进阶-pandas资料.rar
02-15
Python的Pandas库是数据处理和分析领域的重要工具，它为Python程序员提供了高效的数据结构，如DataFrame和Series，使得处理和操纵数据变得简单易行。本资料集专注于Pandas的进阶学习，旨在帮助你从初级阶段过渡到更...
Python进阶-Python语法pdf
最新发布
07-23
近几年来，随着Google、YouTube、IRobot等大公司对Python语言的广泛使用，Python 公司的身影经常出现与我们的视线，Python语言也在软件质量、开发效率、程序的可移植性、标准库的支持等方面成为了一个优秀的程序开发...
Python数据分析-15个案例详解
11-21
8. **week11**: 可能涉及到数据可视化进阶，包括高级图表制作、交互式可视化工具（如plotly或bokeh）的使用，以及如何有效地传达数据分析结果。 9. **week15**: 可能是课程的高级部分，涵盖了复杂的数据分析项目，...
从Excel到Python数据分析进阶指南1
08-04
在数据分析领域，从Excel过渡到Python可以提供更强大的工具和灵活性。以下是一些关键的知识点，涵盖了从导入数据到数据清洗、预处理、提取、筛选以及汇总的全过程。 首先，生成数据表是数据分析的第一步。在Python...
Plotly直接导出图片的方案
windskiper的博客
07-28 4003
1 前言 Plotly库自动生成的报告为HTML格式，无法直接导出png图片 需要依赖orca插件来完成PNG图片的制动导出 2流程 1 头文件导入内容 import plotly.io as pio 2 安装相关软件 2.1 安装MiniConda实际需要的是Conda安装命令 参考网页 ：https://docs.conda.io/en/latest/miniconda.html 或在本地 D:\Tools\软件环境类中已下载 安装并将目录添加到Path中。类似...
python编程之plt.show()显示不出来图片
热门推荐
信徒博客
11-04 2万+
只有找出疑惑，才是节省时间 疑惑 百度了很多，一模一样的代码，但是我的图形就是出不来； 解惑 窗口显示的问题，这个是我遇到的问题，所以只提供我解决的问题！ File-Setting-Python Scientific--勾选或不勾选--Apply，运行程序！ 现在就可以显示图片了！ ...
【Python百日进阶-数据分析】Day229 - plotly的动画
岳涛的博客
01-19 1945
文章目录一、动画1.1 基本动画1.2 使用 Plotly Express 制作动画条形图1.3 当前动画限制和注意事项二、为动画添加控制按钮2.1 简单的播放按钮2.2 曲线上的移动点2.3 沿平面曲线移动 Frenet 框架2.4 使用滑块和按钮三、MRI 体积切片的可视化 一、动画 使用 Plotly Express 制作的动画 几个Plotly Express 函数支持通过animation_frame和animation_group参数创建动画图形。 这是使用 Plotly Express 创建的
R极简教程-12：交互式绘图
Joshua_HIT的博客
06-26 7147
目前绘制R语言交互图的主要有rchart，Highchart和plotly，我个人只用过最后一个，感觉很好。本篇案例全部出自plotly官网。
使用Dash开发交互式数据可视化网页--响应式编程
weixin_34332905的博客
02-07 461
交互性 后续的操作前,需要安装如下Python包 pip install dash==0.20.0 # The core dash backend pip install dash-renderer==0.11.2 # The dash front-end pip install dash-html-co...
【数据科学系列】基于Python的Web应用框架Dash-回调函数
Allen-Moore的博客
05-11 1202
基本的Dash回调
数据交互式可视化《Dash》框架学习（二）
garrulousabyss的博客
10-25 2732
Dash框架官方文档学习地址：https://dash.plot.ly/getting-started-part-2 一. Dash的基础调用 1. import dash import dash_core_components as dcc import dash_html_components as html from dash.dependencies import Input, O...
这5种动态炫酷图，用Python可以这样画啊！
weixin_46606335的博客
04-22 1014
数据可以帮助我们描述这个世界、阐释自己的想法和展示自己的成果，但如果只有单调乏味的文本和数字，我们却往往能难抓住观众的眼球。而很多时候，一张漂亮的可视化图表就足以胜过千言万语。本文将介绍 5 种基于 Plotly 的可视化方法，你会发现，原来可视化不仅可用直方图和箱形图，还能做得如此动态好看甚至可交互。 对数据科学家来说，讲故事是一个至关重要的技能。为了表达我们的思想并且说服别人，我们需要有...
Plotly 初步
Alan Lee
10-20 2382
写在前面 如果图形和文字显示有异常，请前去我的个人小站：Plotly 初步 · Lee’s Space Station 查看，体验更好。 简介 Plotly 是一个用于绘制交互式图表的工具库，基于 React 和 Flask，基本功能免费，可以在 Jupyter Notebook 上进行在线或者离线绘图，支持 Python、MATLAB 和 R 等许多语言，其同类产品（Python 领域）是 bo...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

岳涛@心馨电脑

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值