plotly使用指南
plotly是开挂的作图神器，可以供js, python, R, DB等使用。具体见官网plotly官网
1. 安装
pip install plotly更新
pip install plotly --upgrade2. 在线使用，画的图会存入云账户中
import plotly#设置用户名和API-Key
plotly.tools.set_credentials_file(username='DemoAccount', api_key='lr1c37zw81')3. 离线使用
import plotly
from plotly.graph_objs import Scatter, Layoutplotly.offline.init_notebook_mode(connected=True)4. py.plot和py.iplot区别
py.plot会生成一个离线的html文件，里面放置图片。而py.iplot则直接在ipython notebook里面生成图片。
5. 散点图和折线图
基本散点图:
import plotly.offline as py
from plotly.graph_objs import Scatter, Layout
import plotly.graph_objs as gopy.init_notebook_mode(connected=True)trace1=go.Scatter(x=[1,2],y=[1,2]
)
trace2=go.Scatter(x=[1,2],y=[2,1]
)
py.iplot([trace1, trace2])
可以改变mode,换成散点图:
trace=go.Scatter(x=[1,2,3],y=[1,2,3],marker=dict(color=['red','blue','green'],size=[30,80,200],),mode='markers'
)
py.iplot([trace])
trace=go.Scatter(x=[1,2,3],y=[1,2,3],marker=dict(color=['red','blue','green'],size=[30,80,200],),mode='markers+lines'
)
py.iplot([trace])
6. 设置图例和图例位置
trace1=go.Scatter(name="lenged1",x=[1,2],y=[2,1]
)
trace2=go.Scatter(name="lenged2",x=[2,1],y=[2,1]
)
layout=go.Layout(showlegend=True,# 设置图例相对于左下角的位置legend=dict(x=0.9,y=1.1)
)
data=[trace1, trace2]
fig=go.Figure(data=data, layout=layout)
py.iplot(fig)
为点加上文字:
trace1=go.Scatter(x=[1,2,3],y=[1,2,3],text=['A', 'B', 'C'],textposition="top center",mode="markers+text",marker=dict(size=[20,20,20])
)
data=[trace1]
py.iplot(data)
更多设置: plotly.Scatter设置
7. 设置坐标轴
trace=go.Scatter(x=[1,2,3,4],y=[1,2,3,6]
)
axis_template=dict(showgrid=True, #网格zeroline=True, #是否显示基线,即沿着(0,0)画出x轴和y轴nticks=20,showline=True,title='X axis',mirror='all',zerolinecolor="#FF0000"
)
layout=go.Layout(xaxis=axis_template,yaxis=axis_template
)
data=[trace]
fig=go.Figure(data=data,layout=layout
)
py.iplot(fig)
更多关于坐标轴设置的参数详见: plotly坐标轴设置
8.Heatmap
trace=go.Heatmap(z=[[1,2,3,4],[5,6,7,8]]
)
data=[trace]
py.iplot(data)
8. Barchart
trace=go.Bar(x=[1,2],y=[1,2],marker=dict(color=["#FF0000", "#00FF00"],)
)
data=[trace]
py.iplot(data)
更多设置：plotly.Bar
9. 填充区域
trace=go.Scatter(x=[1,2,6],y=[1,2,0.5],fill="tonexty",fillcolor="#FF0"
)
data=[trace]
py.iplot(data)
10. 直方图
trace=go.Histogram(x=[1,2,3,3,3,4,5],marker=dict(color=["#F0F","FF0","0FF"])
)
data=[trace]
py.iplot(data)
11. 画地图
trace=go.Scattergeo(lon=[100, 400],lat=[0,0],marker=dict(color=['red', 'blue'],size=[30,50]),mode="markers"
)
data=[trace]
py.iplot(data)
12. 3D表面图
trace=go.Surface(colorscale='Viridis',z=[[3,5,8,13],[21,13,8,5]]
)
data=[trace]
py.iplot(data)
13, 箱型图(Box-plot)
trace=go.Box(x=[1,2,3,3,3,4,5]
)
data=[trace]
py.iplot(data)
14. 画地图
trace=go.Choropleth(locations=['AZ','CA','VT'],locationmode='USA-states',colorscale=['Viridis'],z=[10,20,40]
)
layout=dict(geo=dict(scope='usa')
)
data=[trace]
map=go.Figure(data=data, layout=layout)
py.iplot(map)
15. 3D点图
trace=go.Scatter3d(x=[9,8,5,1],y=[1,2,4,8],z=[11,8,15,3],mode="lines"
)
data=[trace]
py.iplot(data)
16. 2维Historgram
trace=go.Histogram2d(x=[1,2,3,3,3,4,5],y=[1,2,3,3,3,4,5]
)
data=[trace]
py.iplot(data)
plotly使用指南相关推荐
- 神器 VS Code，超详细Python配置使用指南
作者:Lemon 出品:Python数据之道 神器 VS Code, 超详细Python配置使用指南 大家好,我是 Lemon. 之前在公众号发了关于 PyCharm 与 VS Code 对比的文章, ...
- 大幅提高生产力：你需要了解的十大Jupyter Lab插件
点击上方"小白学视觉",选择加"星标"或"置顶" 重磅干货,第一时间送达 下一代数据科学开发环境 Jupyter Lab 应该怎么用?让我们 ...
- Jupyter Lab 十大高生产力插件
如果你是一个用 Python 的数据科学家,那么用 Jupyter Notebook 就是大概率事件了.作为 Jupyter Notebook 的「下一代」web 应用,Jupyter Lab 提供了 ...
- 这种精美的“排序图”怎么做？
来源:DataCharm 今天小编给大家介绍一种"凹凸图(bump charts)"的绘制方法,其绘图函数主要来自R包-ggbump,本期的主要内容如下: R-ggbump包基本绘 ...
- 再见，仙剑之父！再见，姚壮宪！
既不回头,何必不忘. 既然无缘,何须誓言. 昨日种种,似水无痕. 明夕何夕,君已陌路. 这是出自<仙剑奇侠传>中赵灵儿在李逍遥将要离开仙灵岛时所说的一段话,感动过整整一代人. 大多人对于仙 ...
- plt.plot()函数详解
plt.plot()函数详细介绍 plt.plot(x, y, format_string, **kwargs) 参数 说明 x X轴数据,列表或数组,可选 y Y轴数据,列表或数组 format_s ...
- 超赞！60种数据可视化图表使用场景及制作工具整理大全 ！
转自:大数据分析和人工智能 大家好,我是 Lemon 可视化图表种类如此之多,什么场景下应该用什么图表展示,是一个让人头秃的难题. 数据可视化的爱好者Severino Ribecca,他在自己的网站上 ...
- 数据可视化，是如何扭曲我们对现实的感知？
数据可视化具有影响认知偏差的能力 作者:Ian Batterbee 译者:妍朵乐园 原文链接:https://uxdesign.cc/how-data-visualisation-can-distor ...
- 用Python自动生成数据分析报告！
来源:林骥 你好,我是林骥. 很多时候,我们需要做一些重复性的工作,比如说,每个月制作类似的数据分析报告,整个框架是基本固定的,此时,我们可以采用 Python 来自动生成数据分析报告,把更多的时间和 ...
最新文章
- python中单个下划线是什么意思
- linux svn可视化,Ubuntu 14.04如何安装可视化SVN
- 【深度学习的数学】为什么用二次代价函数，误差越大，参数调整幅度越小？
- Python里的map、reduce、filter、lambda、列表推导式
- end to end testing
- 我两小时学完指针，你学会数组/指针与函数需要多久？
- mysql按月归档日志表
- 让Android软键盘默认进入英文键盘
- 力扣 买卖股票的最佳时机II
- [日常训练]training
- C:\Windows\System32\drivers\etc下的hosts修改方法
- 3D建模都用哪些软件？
- Activiti目录（五）驳回、重新发起、取消流程
- 2018年【计算机视觉+机器学习+人工智能】领域重要会议汇总
- 计算机中if函数的使用方法,如何在Excel 中使用IF函数
- 【面试笔试-c/c++】人民搜索2012校园招聘试题
- QGIS二次开发2：添加矢量、栅格图层及图层列表的实现
- java word 批注_Java 添加、回复、修改（替换）、删除Word批注
- 长期戴耳机的危害有哪些？耳机种类的选择很重要
- int类型数据范围 - 学习