Python可视化工具Plotly的应用教程
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的资料请关注云海天教程其它相关文章！