欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页  >  IT编程

Python可视化工具Plotly的应用教程

程序员文章站 2022-06-25 08:02:18
目录一.简介二.各图运用1.柱状图2.散点图3.冒泡散点图4.旭日图5.地图图形三.实战案例一.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...

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;

Python可视化工具Plotly的应用教程

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:

Python可视化工具Plotly的应用教程

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:

Python可视化工具Plotly的应用教程

# 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:

Python可视化工具Plotly的应用教程

#柱形图文字格式
fig.update_traces(
                 textposition='outside',
                 texttemplate='%{text:,.2s}')

fig

运行结果:

Python可视化工具Plotly的应用教程

#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:

Python可视化工具Plotly的应用教程

# 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:

Python可视化工具Plotly的应用教程

2.散点图

df_2007 = df[df["year"] == 2007]
df_2007

运行结果:

Python可视化工具Plotly的应用教程

# 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:

Python可视化工具Plotly的应用教程

选择一个区域,能将其放大

Python可视化工具Plotly的应用教程

Python可视化工具Plotly的应用教程

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:

Python可视化工具Plotly的应用教程

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:

Python可视化工具Plotly的应用教程

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:

Python可视化工具Plotly的应用教程

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:

Python可视化工具Plotly的应用教程

# 展示数据中survived分布情况
df1=pd.dataframe(data=data['survived'].value_counts())
df1

运行结果:

Python可视化工具Plotly的应用教程

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:

Python可视化工具Plotly的应用教程

# 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:

Python可视化工具Plotly的应用教程

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:

Python可视化工具Plotly的应用教程

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:

Python可视化工具Plotly的应用教程

# 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:

Python可视化工具Plotly的应用教程

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:

Python可视化工具Plotly的应用教程

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!

相关标签: Python Plotly