文章目錄
- 一.簡介
- 二.各圖運用
- 1.柱狀圖
- 2.散點圖
- 3.冒泡散點圖
- 4.旭日圖
- 5.地圖圖形
- 三.實戰案例
一.簡介
發展由來：
隨著資訊技術的發展和硬體設備成本的降低，當今的互聯網存在海量的資料，要想快速從這些資料中獲取更多有效的資訊，資料可視化是重要的一環，對于Python語言來說，比較傳統的資料可視化模塊是Matplotlib，但它存在不夠美觀、靜態性、不易分享等缺點，限制了Python在資料可視化方面的發展，
為了解決這個問題，新型的動態可視化開源模塊Plotly應運而生，由于Plotly具有動態、美觀、易用、種類豐富等特性，所以一經問世就受到開發人員的喜愛，
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 多種獨特的圖表型別，效果美觀，其中涵蓋各種統計、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網頁檔案，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
資料源：
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內置了資料集，方便大家不受資料分析思路的背景下，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, # 資料源
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增加資料集
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設定
fig.update_xaxes(tickangle=-45,tickfont=dict(family='arial',size=12))
fig
運行結果：
# 設定間隙大小及文本大小
fig.update_layout(bargap=.4,
uniformtext_minsize=8,
uniformtext_mode='show')
# 設定注釋
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, # 資料集
x="gdpPercap", # 橫坐標:人均GDP
y="lifeExp", # 縱坐標:平均壽命
color="continent" # 顏色取值：根據洲的值來取
)
運行結果：
選擇一個區域，能將其放大
3.冒泡散點圖
# 冒泡散點圖
px.scatter(df_2007, # 繪圖DataFrame資料集
x="gdpPercap", # 橫坐標
y="lifeExp", # 縱坐標
color="continent", # 區分顏色
size="pop", # 區分圓的大小
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, # 繪圖資料
path=['continent', 'country'], # 指定路徑：從洲到國家
values='pop', # 資料大小：人口數
color='lifeExp', # 顏色
hover_data=['iso_alpha'] # 顯示資料
)
運行結果：
5.地圖圖形
# 設定地圖的圖形
px.choropleth(
df, # 資料
locations="iso_alpha", # 簡稱
color="lifeExp", # 顏色取值
hover_name="country", # 懸停資料
animation_frame="year", # 播放按鈕設定
color_continuous_scale=px.colors.sequential.Plasma, # 顏色變化取值
projection="natural earth" # 使用的地圖設定
)
運行結果：
三.實戰案例
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
#資料讀取
path1='./dataSet/test.csv'
path2='./dataSet/train.csv'
test=pd.read_csv(path1)
train=pd.read_csv(path2)
#資料合并
data=pd.concat([test,train])
運行結果：
# 展示資料中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, #設定X軸起點，防止從負數開始
dtick=1, #設定間隔，防止出現0.5間隔
tickvals=[0,1], #設定tick數值，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]) #設定Y軸區間,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], #設定tick數值，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], #設定tick數值，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：
轉載請註明出處，本文鏈接：https://www.uj5u.com/houduan/390367.html
標籤：python