非常牛批的可视化库Plotly
1.plotly库的相关介绍
1)相关说明
plotly是一个基于javascript的绘图库,plotly绘图种类丰富,效果美观;
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;
2)plotly与matplotlib、seaborn的关系
需要注意的是,ployly绘图库与matplotlib绘图库、seaborn绘图库并没有什么关系。也就是说说plotly是一个单独的绘图库,有自己独特的绘图语法、绘图参数和绘图原理,因此我们需要单独学习它。
2.导入相关库
对于我们做数据分析的人员来说,一般用的都是离线绘图库。在线绘图库需要的话,可以自己百度研究。
import os
import numpy as np
import pandas as pdimport plotly as py
import plotly.graph_objs as go
import plotly.expression as px
from plotly import toolsimport warnings
warnings.filterwarnings("ignore")
3.plotly绘图原理
1)ployly常用的两个绘图模块:graph_objs和expression
graph_objs
和expression
是plotly里面两个很常用的绘图库,graph_objs相当于matplotlib,在数据组织上比较费劲,但是仍然比起matplotlib绘图更简单、更好看。这里说的费劲是相对于expression库来说的。expression库相当于seaborn的地位,在数据组织上较为容易,绘图比起seaborn来说,也更加容易。这里你心里有个印象即可,知道这两个绘图库很牛,就行了。
对于graph_objs绘图库,我们常命名为go
(import plotly.graph_objs as go);对于expression绘图库,我们常命名为px
(import plotly.expression as px)。
2)graph_objs("go")库的绘图原理
① 简单的案例说明
df = pd.read_excel("plot.xlsx")
# 步骤一
trace0 = go.Scatter(x=df["年份"],y=df["城镇居民"],name="城镇居民")
trace1 = go.Scatter(x=df["年份"],y=df["农村居民"],name="农村居民")
# 步骤二
data = [trace0,trace1]
# 步骤三
fig = go.Figure(data)
# 步骤四
fig.update_layout(title="城乡居民家庭人均收入",xaxis_title="年份",yaxis_title="人均收入(元)"
)
# 步骤五
fig.show()
结果如下:
② 原理说明
1、绘制图形轨迹,在ployly里面叫做trace,每一个轨迹是一个
trace
。2、将轨迹包裹成一个列表,形成一个
轨迹列表
。一个轨迹放在一个列表中,多个轨迹也是放在一个列表中。3、创建画布的同时,并将上述的
轨迹列表
,传入到Figure()中。4、使用Layout添加其他的绘图参数,完善图形。
5、展示图形。
3)expression("px")库的绘图原理
① 简单的案例说明
iris = pd.read_excel("iris.xlsx",sheet_name="Sheet2")fig = px.scatter(iris,x="花萼长度",y="花萼宽度",color="属种")
fig.show()
结果如下:
② 原理说明
1、直接使用px调用某个绘图方法时,会自动创建画布,并画出图形。
2、展示图形。
4.保存图形的两种方式
1)直接下载下来:保存成png静态图片
2)使用py.offline.plot(fig,filename="XXX.html")代码保存成html网页动态图片。
iris = pd.read_excel("iris.xlsx",sheet_name="Sheet2")fig = px.scatter(iris,x="花萼长度",y="花萼宽度",color="属种")
py.offline.plot(fig,filename="iris1.html")
结果如下:该文件是一个html文件,这里上传不了,自己下去尝试一下就知道了。
3)总结说明
使用“照相机”那个下载按钮,可以直接将图片下载保存在本地,但是这个图片是一个静态图片,没有交互性。但是使用py.offline.plot()方法,可以将图片保存成一个html的网页格式,其他人可以在电脑上直接打开这个html网页,并且保留了图片的原始样式,具有交互性。
5.绘制双y轴图
1)数据集如下
2)绘制不同地区的“任务完成量”和“任务完成率”情况
df = pd.read_excel("double_y.xlsx")x = df["地区"]
y1 = df["完成量"]
y2 = df["完成率"]trace0 = go.Bar(x=x,y=y1,marker=dict(color=["red","blue","green","darkgrey","darkblue","orange"]),opacity=0.5,name="不同地区的任务完成量")trace1 = go.Scatter(x=x,y=y2,mode="lines",name="不同地区的任务完成率",# 【步骤一】:使用这个参数yaxis="y2",就是绘制双y轴图yaxis="y2")data = [trace0,trace1]layout = go.Layout(title="不同地区的任务完成量和任务完成率情况",xaxis=dict(title="地区"),yaxis=dict(title="不同地区的任务完成量"),# 【步骤二】:给第二个y轴,添加标题,指定第二个y轴,在右侧。yaxis2=dict(title="不同地区的任务完成率",overlaying="y",side="right"),legend=dict(x=0.78,y=0.98,font=dict(size=12,color="black")))fig = go.Figure(data=data,layout=layout)
fig.show()
结果如下:
6.绘制多子图
1)相关库和方法介绍
1、绘制多个子图,需要先导入tools库。from plotly import tools
2、tools.make_subplots(rows= ,cols=)用于指定绘图布局,rows和cols表示将画布布局成几行几列。
3、fig.append_trace()将每个图形轨迹trace,绘制在不同的位置上。
2)分别绘制不同地区的“任务完成量”和“任务完成率”情况
# 步骤一:导入相关库
from plotly import tools
# 步骤二:指定绘图布局
fig = tools.make_subplots(rows=2,cols=1)
# 步骤三:绘制图形轨迹
trace0 = go.Bar(x=x,y=y1,marker=dict(color=["red","blue","green","darkgrey","darkblue","orange"]),opacity=0.5,name="不同地区的任务完成量")
trace1 = go.Scatter(x=x,y=y2,mode="lines",name="不同地区的任务完成率",line=dict(width=2,color="red"))# 步骤四:将第一个轨迹,添加到第1行的第1个位置# 将第二个轨迹,添加到第2行的第1个位置
fig.append_trace(trace0,1,1)
fig.append_trace(trace1,2,1)
# 步骤四:根据自己的需求,给图形添加标题。height、width参数用于指定图形的宽和高
fig.update_layout(title="不同地区的任务量与完成量",height=800,width=800)
# 步骤五:展示图形
fig.show()
结果如下:
END
推荐阅读牛逼!Python常用数据类型的基本操作(长文系列第①篇)
牛逼!Python的判断、循环和各种表达式(长文系列第②篇)牛逼!Python函数和文件操作(长文系列第③篇)牛逼!Python错误、异常和模块(长文系列第④篇)
吴恩达deeplearining.ai的经典总结资料
Ps:从小程序直接获取下载
非常牛批的可视化库Plotly相关推荐
- Python 高级可视化库Plotly express使用教程
本文转载自:Python数据之道,欢迎扫码关注 Plotly Express 入门之路 Plotly Express 是一个新的高级 Python 可视化库:它是 Plotly.py 的高级封装,它为 ...
- 高级可视化神器Plotly快速入门
微信公众号:尤而小屋 作者:Peter 编辑:Peter 一文爱上高级可视化神器Plotly 数据可视化已经逐渐发展和深入到我们生活的各个方面,往往遇到数据分析类的工作,借助可视化的方式来呈现我们的数 ...
- 牛批了,1行python代码就可实现炫酷可视化
之前画图一直在用matlibplot.pyecharts,最近学习了一个新的可视化库–cufflinks,用了两天我已经深深爱上它了 主要是因为它用法简单.图形漂亮.代码量少,用一两行代码,就能画出非 ...
- python酷炫图形代码_牛批了,1 行 Python 代码就可实现炫酷可视化
之前画图一直在用 matlibplot.pyecharts,最近学习了一个新的可视化库--cufflinks,用了两天我已经深深爱上它了 主要是因为它用法简单.图形漂亮.代码量少,用一两行代码,就能画 ...
- 牛批了,1行python代码就可实现炫酷可视化!
之前画图一直在用matlibplot.pyecharts,最近学习了一个新的可视化库--cufflinks,用了两天我已经深深爱上它了 主要是因为它用法简单.图形漂亮.代码量少,用一两行代码,就能画出 ...
- python数据可视化库_python和r中用于数据可视化的前9个库
python数据可视化库 In the rapidly growing world of today, when technology is expanding at a rate like neve ...
- 新视角带你认识Python可视化库(附代码资源)
作者:Dan Saber 翻译:笪洁琼 校对:梁傅淇 本文约16196字,建议阅读20+分钟. 本文中,作者借助拟人化的形式,让Python中值得一提的可视化库共同出演了一出戏剧,形象.生动地展现了不 ...
- Python 可视化库
https://www.infoq.cn/article/pSV6tZ1SbUC8qJpo_v8H 在奥斯汀举行的SciPy 2018年特别会议上,大量开源 Python 可视化工具的代表分享了他们对 ...
- python三维数据转换成二维_5大Python可视化库到底选哪个好?一篇文章搞定从选库到教学...
最近和鲸社区的大佬们,竟不约而同地写起了可视化库的教程,开始了掰头 ※完整教程列表在文末附录 虽然对于我们这种吃瓜群众来说是件好事,但 大概大佬的快乐往往就是那么的朴实无华且枯燥吧.害,管他呢,赶紧拿 ...
最新文章
- 个人博客满血复活,求测试~~~
- 面试题55 字符流中第一个不重复的字符
- angular jwt_Angular5 JWT身份验证(Spring Boot安全性)
- data studio_面向营销人员的Data Studio —报表指南
- sqlmap的简单用法
- 11月4日,上海开源基础设施峰会,不见不散!
- eclispe中相关操作
- Maven右边栏红色,omitted for duplicate 而且Failed to execute goal on project xxx-service: Could not resolve
- C语言之volatile用法(二十一)
- 12864液晶显示原理(C程序)
- java交通灯英文文献,194关于单片机智能交通灯控制系统设计有关的外文文献翻译成品:基于单片机的智能交通控制系统(中英文双语对照)7...
- Android虚拟机使用摄像头(命令行)
- 这几个小众软件能支持英文文档翻译成中文
- PHP使用PHPMailer实现发送qq邮箱
- android os parcel,java.lang.RuntimeException:Parcel android.os.Parcel:...
- 3000亿茶行业市场如何乘势数字浪潮,跑出世界品牌
- day01 pathon基础
- Rust基础-Vec用法
- matlab 双y轴 三y轴
- vue 页面卡顿(数据量大)
热门文章
- 二叉树结点与边的关系
- iphone手机名称是android,外媒确认下一代iPhone名为iPhone12S,将有小升级
- 风口猪和聪明猫结合讲解“老鸭头案例-中远海控”
- arm-server安装nvidia驱动,解决gcc版本不匹配问题,以及内核签名失败
- uniapp - 微信小程序接入腾讯视频播放器功能插件,uniapp开发微信小程序端调用引入并使用腾讯视频播放组件完整全流程(详细示例源码,一键复制开箱即用)
- Baklib:企业项目管理的得力助手
- CentOS-W6Kd安装MySQL过程
- 数组的 reduce方法
- 系统偏好打不开mysql_系统偏好设置启动MySQL时,多次点击start无效
- 编写一个程序,输入若干个整数,以-1标记为结束,输出其中的最大值和最小值。