目录
一.简介
发展由来：
随着信息技术的发展和硬件设备成本的降低，当今的互联网存在海量的数据，要想快速从这些数据中获取更多有效的信息，数据可视化是重要的一环。对于Python语言来说，比较传统的数据可视化模块是Matplotlib，但它存在不够美观、静态性、不易分享等缺点，限制了Python在数据可视化方面的发展。
为了解决这个问题，新型的动态可视化开源模块Plotly应运而生。由于Plotly具有动态、美观、易用、种类丰富等特性，所以一经问世就受到开发人员的喜爱。
简要说明
Plotly是Python 库中一种互动，开源绘图库，也是基于javascript的绘图库，支持 40 多种独特的图表类型，效果美观，其中涵盖各种统计、财务、地理、科学和三维用例。
有在线和离线模式，易于保存与分享plotly的绘图结果，并且可以与Web无缝集成；
ploty默认的绘图结果，是一个HTML网页文件，通过浏览器可以直接查看；
二.各图运用
安装：
pip install plotly
下面均在Jupyter Notebook中运行
数据源：
import plotly import plotly.express as px import plotly.graph_objects as go import plotly.io as pio import pandas as pd import numpy as np # plotly内置了数据集，方便大家不受数据分析思路的背景下，练手用 df=px.data.gapminder() df.head()
运行结果：
1.柱状图
# 绘制中国历年人口变化图
# df_country=df.query(\'country==\"China\"\')
df_country=df[df[\'country\']==\'China\']
# 柱状图展示
fig=px.bar(df_country, # 数据源
x=\'year\', # 横坐标：年份
y=\'pop\', # 纵坐标：人口
text=\'pop\', # 说明：人口
color=\'lifeExp\', # 颜色取值：根据平均寿命的值来取
hover_name=\'year\', #控制点名称：年份
)
fig
运行结果：
# 注释标题
fig.update_layout(title_text=\'中国人口变迁史\',
title_x=.5,
font=dict(family=\'simsun\',
size=14,
color=\'#1d39c4\')
)
# 注释坐标轴
fig.update_layout(xaxis_title=\'年份\',
yaxis_title=\'人口数量\')
fig
运行结果：
#柱形图文字格式
fig.update_traces(
textposition=\'outside\',
texttemplate=\'%{text:,.2s}\')
fig
运行结果：
#利用customdata增加数据集
fig.update_traces(customdata=df[[\'lifeExp\',\'gdpPercap\']])
fig.update_traces(hovertemplate=\'Year: %{x}<br><br> Population: %{y}<br> Life Expectation: %{customdata[0]:,.2f}<br>GDP per capital: %{customdata[1]:,.2f}\')
# 坐标轴tick设置
fig.update_xaxes(tickangle=-45,tickfont=dict(family=\'arial\',size=12))
fig
运行结果：
# 设置间隙大小及文本大小
fig.update_layout(bargap=.4,
uniformtext_minsize=8,
uniformtext_mode=\'show\')
# 设置注释
fig.add_annotation(x=\'1982\',
y=1000281000,
text=\'突破10亿\',
font=dict(color=\'red\'))
fig.update_annotations(dict(xref=\'x\',
yref=\'y\',
showarrow=True),
arrowcolor=\'red\',
arrowhead=4)
fig.show()
运行结果：
2.散点图
df_2007 = df[df[\"year\"] == 2007] df_2007
运行结果：
# 散点图
px.scatter(df_2007, # 数据集
x=\"gdpPercap\", # 横坐标:人均GDP
y=\"lifeExp\", # 纵坐标:平均寿命
color=\"continent\" # 颜色取值：根据洲的值来取
)
运行结果：
选择一个区域，能将其放大
3.冒泡散点图
# 冒泡散点图
px.scatter(df_2007, # 绘图DataFrame数据集
x=\"gdpPercap\", # 横坐标
y=\"lifeExp\", # 纵坐标
color=\"continent\", # 区分颜色
size=\"pop\", # 区分圆的大小
size_max=60, # 散点大小
hover_name=\"country\" # 控制点名称
)
运行结果：
4.旭日图
# 旭日图
px.sunburst(df_2007, # 绘图数据
path=[\'continent\', \'country\'], # 指定路径：从洲到国家
values=\'pop\', # 数据大小：人口数
color=\'lifeExp\', # 颜色
hover_data=[\'iso_alpha\'] # 显示数据
)
运行结果：
5.地图图形
# 设置地图的图形 px.choropleth( df, # 数据 locations=\"iso_alpha\", # 简称 color=\"lifeExp\", # 颜色取值 hover_name=\"country\", # 悬停数据 animation_frame=\"year\", # 播放按钮设置 color_continuous_scale=px.colors.sequential.Plasma, # 颜色变化取值 projection=\"natural earth\" # 使用的地图设置 )
运行结果：
三.实战案例
使用泰坦里克号生存为例
import plotly import plotly.express as px import plotly.graph_objects as go import plotly.io as pio import pandas as pd import numpy as np
#数据读取 path1=\'./dataSet/test.csv\' path2=\'./dataSet/train.csv\' test=pd.read_csv(path1) train=pd.read_csv(path2) #数据合并 data=pd.concat([test,train])
运行结果：
# 展示数据中survived分布情况 df1=pd.DataFrame(data=data[\'Survived\'].value_counts()) df1
运行结果：
fig1=px.bar(df1,y=\'Survived\',text=\'Survived\',color_discrete_sequence=[[\'#B4C7EC\',\'#14A577\']])
fig1.update_layout(title=\'Survival Status in Titanic\',
title_x=.5,
xaxis_title=\'Passenger survival status\',
yaxis_title=\'Numbers\',
font=dict(family=\'arial\',color=\'#000000\',size=12),
bargap=.5)
fig1.update_xaxes(tick0=0, #设置X轴起点，防止从负数开始
dtick=1, #设置间隔，防止出现0.5间隔
tickvals=[0,1], #设置tick数值，为了重命名
ticktext=[\'Drowned\',\'Suvived\'],#重命名系列index
tickfont=dict(family=\'arial\',color=\'#000000\',size=14))
fig1.update_yaxes(range=[0,650]) #设置Y轴区间,使图形不至于视觉上压迫
fig1.update_traces(textposition=\'outside\',
textfont_size=16,
textfont_color=[\'#8C1004\',\'#007046\'])
fig1.show()
运行结果：
# 以survived 与sex为例，展示各性别下，生存与死亡的相对关系。 df_sex=pd.DataFrame(data=data.groupby([\'Survived\',\'Sex\'])[\'PassengerId\'].count()) df_sex=df_sex.reset_index() df_sex
运行结果：
fig_sex1=px.bar(df_sex,x=\'Survived\',y=\'PassengerId\',color=\'Sex\',barmode=\'group\',text=\'PassengerId\',
color_discrete_map={\'female\':\'#F17F0B\',\'male\':\'#0072E5\'})
fig_sex1.update_traces(textposition=\'outside\',
textfont_size=14,
textfont_color=[\'#8C1004\',\'#007046\'])
fig_sex1.update_xaxes(
tickvals=[0,1], #设置tick数值，为了重命名
ticktext=[\'Drowned\',\'Suvived\'],#重命名系列index
tickfont=dict(family=\'arial\',
color=\'#000000\',
size=14))
fig_sex1.update_layout(title=\'Overall Suvival in terms of Sex\',
title_x=.5,
bargap=.35,
xaxis_title=\'\',
yaxis_title=\'Numbers of Passengers\',
font=dict(family=\'arial\',
color=\'#000000\',
size=13))
fig_sex1.update_yaxes(range=[0,500],
dtick=100)
fig_sex1.show()
运行结果：
fig_sex2=px.bar(df_sex,x=\'Sex\',y=\'PassengerId\',facet_col=\'Survived\',text=\'PassengerId\',
color_discrete_sequence=[[\'#F17F0B\',\'#0072E5\']])
fig_sex2.update_traces(textposition=\'outside\',
textfont_size=14,)
fig_sex2.update_layout(title=\'Overall Suvival in terms of Sex\',
title_x=.5,
bargap=.35,
yaxis_title=\'Numbers of Passengers\',
font=dict(family=\'arial\',
color=\'#000000\',
size=13),
)
#取消自带sex标题
fig_sex2.update_layout(xaxis=dict(title=\'\'),
xaxis2=dict(title=\'\'))
fig_sex2.update_yaxes(range=[0,500],
dtick=100)
fig_sex2.for_each_annotation(lambda a:a.update(text=a.text.replace(\'Survived=0.0\',\'Drowned\')))
fig_sex2.for_each_annotation(lambda a:a.update(text=a.text.replace(\'Survived=1.0\',\'Suvived\')))
fig_sex2.update_layout(annotations=[dict(font=dict(size=16,
color=\'#002CB2\'))])
fig_sex2.show()
运行结果：
# 以survived 与pclass为例，展示各舱位等级下，生存与死亡的相对关系。 df_pclass=pd.DataFrame(data=data.groupby([\'Survived\',\'Pclass\'])[\'PassengerId\'].count()) df_pclass=df_pclass.reset_index() df_pclass
运行结果：
fig_sex1=px.bar(df_pclass,x=\'Survived\',y=\'PassengerId\',color=\'Pclass\',barmode=\'group\',text=\'PassengerId\',
color_discrete_map={\'1\':\'#F17F0B\',\'2\':\'#0072E5\',\'3\':\'#8C1004\'})
fig_sex1.update_traces(textposition=\'outside\',
textfont_size=14,
textfont_color=[\'#8C1004\',\'#007046\'])
fig_sex1.update_xaxes(
tickvals=[0,1], #设置tick数值，为了重命名
ticktext=[\'Drowned\',\'Suvived\'],#重命名系列index
tickfont=dict(family=\'arial\',
color=\'#000000\',
size=14))
fig_sex1.update_layout(title=\'Overall Suvival in terms of Pclass\',
title_x=.5,
bargap=.35,
xaxis_title=\'\',
yaxis_title=\'Numbers of Passengers\',
font=dict(family=\'arial\',
color=\'#000000\',
size=13))
fig_sex1.update_yaxes(range=[0,500],
dtick=100)
fig_sex1.show()
运行结果：
以上就是Python可视化工具Plotly的应用教程的详细内容，更多关于Python Plotly的资料请关注其它相关文章！
© 版权声明
THE END
暂无评论内容