Python可視化工具Plotly怎么用

小編給大家分享一下Python可視化工具Plotly怎么用，相信大部分人都還不怎么了解，因此分享這篇文章給大家參考一下，希望大家閱讀完這篇文章后大有收獲，下面讓我們一起去了解一下吧！

一.簡介

發(fā)展由來：

隨著信息技術的發(fā)展和硬件設備成本的降低，當今的互聯(lián)網存在海量的數(shù)據(jù)，要想快速從這些數(shù)據(jù)中獲取更多有效的信息，數(shù)據(jù)可視化是重要的一環(huán)。對于Python語言來說，比較傳統(tǒng)的數(shù)據(jù)可視化模塊是Matplotlib，但它存在不夠美觀、靜態(tài)性、不易分享等缺點，限制了Python在數(shù)據(jù)可視化方面的發(fā)展。

為了解決這個問題，新型的動態(tài)可視化開源模塊Plotly應運而生。由于Plotly具有動態(tài)、美觀、易用、種類豐富等特性，所以一經問世就受到開發(fā)人員的喜愛。

簡要說明

Plotly是Python 庫中一種互動，開源繪圖庫，也是基于javascript的繪圖庫，支持 40 多種獨特的圖表類型，效果美觀，其中涵蓋各種統(tǒng)計、財務、地理、科學和三維用例。

有在線和離線模式，易于保存與分享plotly的繪圖結果，并且可以與Web無縫集成；

ploty默認的繪圖結果，是一個HTML網頁文件，通過瀏覽器可以直接查看；

二.各圖運用

安裝：

pip install plotly

下面均在Jupyter Notebook中運行

數(shù)據(jù)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內置了數(shù)據(jù)集，方便大家不受數(shù)據(jù)分析思路的背景下，練手用
df=px.data.gapminder()
df.head()

運行結果：

1.柱狀圖

# 繪制中國歷年人口變化圖
# df_country=df.query('country=="China"')
df_country=df[df['country']=='China'] 
# 柱狀圖展示
fig=px.bar(df_country,  # 數(shù)據(jù)源
           x='year',  # 橫坐標：年份
           y='pop',  # 縱坐標：人口
           text='pop',  # 說明：人口
           color='lifeExp',  # 顏色取值：根據(jù)平均壽命的值來取
           hover_name='year', #控制點名稱：年份
          )
fig

運行結果：

# 注釋標題
fig.update_layout(title_text='中國人口變遷史',
                  title_x=.5,
                  font=dict(family='simsun',
                           size=14,
                           color='#1d39c4')
                 )
# 注釋坐標軸
fig.update_layout(xaxis_title='年份',
                 yaxis_title='人口數(shù)量')

fig

運行結果：

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

fig

運行結果：

#利用customdata增加數(shù)據(jù)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}')
# 坐標軸tick設置
fig.update_xaxes(tickangle=-45,tickfont=dict(family='arial',size=12))
        
fig

運行結果：

# 設置間隙大小及文本大小
fig.update_layout(bargap=.4,
                 uniformtext_minsize=8,
                 uniformtext_mode='show')
# 設置注釋
fig.add_annotation(x='1982',
                   y=1000281000,
                   text='突破10億',
                  font=dict(color='red'))
fig.update_annotations(dict(xref='x',
                           yref='y',
                           showarrow=True),
                      arrowcolor='red',
                      arrowhead=4)
fig.show()

運行結果：

2.散點圖

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

運行結果：

# 散點圖
px.scatter(df_2007,   # 數(shù)據(jù)集
           x="gdpPercap",  # 橫坐標:人均GDP
           y="lifeExp",  # 縱坐標:平均壽命
           color="continent"  # 顏色取值：根據(jù)洲的值來取
          )

運行結果：

選擇一個區(qū)域，能將其放大

3.冒泡散點圖

# 冒泡散點圖
px.scatter(df_2007,   # 繪圖DataFrame數(shù)據(jù)集
           x="gdpPercap",  # 橫坐標
           y="lifeExp",  # 縱坐標
           color="continent",  # 區(qū)分顏色
           size="pop",  # 區(qū)分圓的大小
           size_max=60,  # 散點大小
           hover_name="country"  # 控制點名稱
          )

運行結果：

4.旭日圖

# 旭日圖
px.sunburst(df_2007,   # 繪圖數(shù)據(jù)
            path=['continent', 'country'],  # 指定路徑：從洲到國家
            values='pop', # 數(shù)據(jù)大?。喝丝跀?shù)
            color='lifeExp',  # 顏色
            hover_data=['iso_alpha'] # 顯示數(shù)據(jù)
           )

運行結果：

5.地圖圖形

# 設置地圖的圖形
px.choropleth(
  df,  # 數(shù)據(jù)
  locations="iso_alpha",  # 簡稱
  color="lifeExp",  # 顏色取值
  hover_name="country",  # 懸停數(shù)據(jù)
  animation_frame="year",  # 播放按鈕設置
  color_continuous_scale=px.colors.sequential.Plasma,  # 顏色變化取值
  projection="natural earth"  # 使用的地圖設置
)

運行結果：

三.實戰(zhàn)案例

使用泰坦里克號生存為例

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

#數(shù)據(jù)讀取
path2='./dataSet/test.csv'
path3='./dataSet/train.csv'
test=pd.read_csv(path2)
train=pd.read_csv(path3)
#數(shù)據(jù)合并
data=pd.concat([test,train])

運行結果：

# 展示數(shù)據(jù)中survived分布情況
df1=pd.DataFrame(data=data['Survived'].value_counts())
df1

運行結果：

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,  #設置X軸起點，防止從負數(shù)開始
                  dtick=1,   #設置間隔，防止出現(xiàn)0.5間隔
                  tickvals=[0,1], #設置tick數(shù)值，為了重命名
                 ticktext=['Drowned','Suvived'],#重命名系列index
                 tickfont=dict(family='arial',color='#000000',size=14)) 
fig1.update_yaxes(range=[0,650]) #設置Y軸區(qū)間,使圖形不至于視覺上壓迫
fig1.update_traces(textposition='outside',
                   textfont_size=16,
                  textfont_color=['#8C1004','#007046'])
fig1.show()

運行結果：

# 以survived 與sex為例，展示各性別下，生存與死亡的相對關系。
df_sex=pd.DataFrame(data=data.groupby(['Survived','Sex'])['PassengerId'].count())
df_sex=df_sex.reset_index()
df_sex

運行結果：

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], #設置tick數(shù)值，為了重命名
                 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()

運行結果：

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),
                      )
#取消自帶sex標題
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()

運行結果：

# 以survived 與pclass為例，展示各艙位等級下，生存與死亡的相對關系。
df_pclass=pd.DataFrame(data=data.groupby(['Survived','Pclass'])['PassengerId'].count())
df_pclass=df_pclass.reset_index()
df_pclass

運行結果：

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], #設置tick數(shù)值，為了重命名
                 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()

運行結果：

以上是“Python可視化工具Plotly怎么用”這篇文章的所有內容，感謝各位的閱讀！相信大家都有了一定的了解，希望分享的內容對大家有所幫助，如果還想學習更多知識，歡迎關注億速云行業(yè)資訊頻道！