Python 可视化神器Plotly详解

时间:2020-12-26 Python 技术人气:0

这篇文章主要介绍了Python 可视化神器Plotly详解,本文给大家介绍的非常详细，对大家的学习或工作具有一定的参考借鉴价值，需要的朋友可以参考下

文 | 潮汐

来源：Python 技术「ID: pythonall」

学习Python是做数分析的最基础的一步，数据分析离不开数据可视化。Python第三方库中我们最常用的可视化库是 pandas，matplotlib，pyecharts，当然还有 Tableau，另外最近在学习过程中发现另一款可视化神器-Plotly，它是一款用来做数据分析和可视化的在线平台，功能非常强大, 可以在线绘制很多图形比如条形图、散点图、饼图、直方图等等。除此之外，它还支持在线编辑，以及多种语言 python、javascript、matlab、R等许多API。它在python中使用也非常简单，直接用pip install plotly 安装好即可使用。本文将结合 plotly 库在 jupyter notebook 中来进行图形绘制。

使用 Plotly 可以画出很多媲美Tableau的高质量图，如下图所示：

折线点图

折现点图画图步骤如下：首先在 Pycharm 界面输入 jupyter notebook后进入网页编辑界面，新建一个文件，导入相应的包即可进行图形绘制：

# import pkg
from plotly.graph_objs import Scatter,Layout
import plotly
import plotly.offline as py
import numpy as np
import plotly.graph_objs as go

#设置编辑模式
plotly.offline.init_notebook_mode(connected=True)

#制作折线图
N = 150
random_x = np.linspace(0,1,N)
random_y0 = np.random.randn(N)+7
random_y1 = np.random.randn(N)
random_y2 = np.random.randn(N)-7
 
trace0 = go.Scatter(
  x = random_x,
  y = random_y0,
  mode = 'markers',
  name = 'markers'
)
trace1 = go.Scatter(
  x = random_x,
  y = random_y1,
  mode = 'lines+markers',
  name = 'lines+markers'
)
trace2 = go.Scatter(
  x = random_x,
  y = random_y2,
  mode = 'lines',
  name = 'lines'
)
data = [trace0,trace1,trace2]
py.iplot(data)

显示结果如下：

直方图

# 直方图
trace0 = go.Bar(
  x = ['Jan','Feb','Mar','Apr', 'May','Jun',
     'Jul','Aug','Sep','Oct','Nov','Dec'],
  y = [20,15,25,16,18,28,19,67,12,56,14,27],
  name = 'Primary Product',
  marker=dict(
    color = 'rgb(49,130,189)'
  )
)
trace1 = go.Bar(
  x = ['Jan','Feb','Mar','Apr', 'May','Jun',
     'Jul','Aug','Sep','Oct','Nov','Dec'],
  y = [29,14,32,14,16,19,25,14,10,12,82,16],
  name = 'Secondary Product',
  marker=dict(
    color = 'rgb(204,204,204)'
  )
)
data = [trace0,trace1]
py.iplot(data)

显示结果如下：

散点图

# 散点图
trace1 = go.Scatter(
   y = np.random.randn(700),
  mode = 'markers',
  marker = dict(
    size = 16,
    color = np.random.randn(800),
    colorscale = 'Viridis',
    showscale = True
  )
)
data = [trace1]
py.iplot(data)

显示结果如下：

总结

今天的文章主要学习可视化神器-plotpy 的相关操作，希望在平时的工作中有所应用。更多的内容详见 http://plotly.com/python/

加载全部内容