Plotly，一个超强的Python可视化库！|python|cat|Express|数据|散点

　　数据可视化是数据分析和探索的一个重要方面，它有助于深入了解数据集中的潜在模式、趋势和关系。

　　Plotly则是一个功能强大且多功能的Python库，提供了广泛的工具来创建交互式且具有视觉吸引力的绘图。

　　它支持多种图表类型，包括散点图、折线图、条形图等。

　　Plotly的独特之处在于它能够生成交互式图表，允许用户动态缩放、平移数据并与数据交互。

　　使用pip命令进行安装。

　　pip install plotly

　　接下来，就来一起学习下~

　　01 基本线条图

　　import plotly.graph_objects as goimport numpy as np# 生成示例数据x = np.linspace(0, 10, 100)y = np.sin(x)# 创建一个基本的线条图fig = go.Figure(data=go.Scatter(x=x, y=y, mode='lines'))# 添加标题和标签fig.update_layout(title='Basic Line Plot', xaxis_title='X-axis', yaxis_title='Y-axis')# 显示图表fig.show()

　　使用Plotly创建一个简单的线条图。

　　使用NumPy生成样本数据，然后使用Plotly的go.Scatter创建线条图。

　　02 带有颜色渐变的散点图

　　import plotly.express as pximport pandas as pdimport numpy as np# 生成示例数据np.random.seed(42)df = pd.DataFrame({'X': np.random.rand(50), 'Y': np.random.rand(50), 'Size': np.random.rand(50) * 30})# 创建散点图带颜色渐变fig = px.scatter(df, x='X', y='Y', size='Size', color='Size', title='Scatter Plot with Color Gradient')# 显示图表fig.show()

　　使用Plotly Express创建带有渐变颜色的散点图。

　　size和color参数在图中表示第三个维度。

　　03 3D曲面图

　　import plotly.graph_objects as goimport numpy as np# 生成示例数据x = np.linspace(-5, 5, 100)y = np.linspace(-5, 5, 100)x, y = np.meshgrid(x, y)z = np.sin(np.sqrt(x**2 + y**2))# 创建3D曲面图fig = go.Figure(data=[go.Surface(z=z, x=x, y=y)])# 添加标题和标签fig.update_layout(title='3D Surface Plot', scene=dict(xaxis_title='X-axis', yaxis_title='Y-axis', zaxis_title='Z-axis'))# 显示图表fig.show()

　　使用示例数据和go.Figure创建3D曲面图。

　　04 动画线条图

　　import plotly.graph_objects as goimport numpy as np# 生成动画数据t = np.linspace(0, 2 * np.pi, 100)x = np.sin(t)y = np.cos(t)# 创建动画线条图fig = go.Figure(data=go.Scatter(x=[0], y=[0], mode='lines'), layout=go.Layout(updatemenus=[dict(type='buttons', showactive=False, buttons=[dict(label='Play', method='animate', args=[None, dict(frame=dict(duration=100, redraw=True), fromcurrent=True)])])]))# 添加动画帧frames = [go.Frame(data=go.Scatter(x=x[:i], y=y[:i], mode='lines+markers')) for i in range(2, len(t))]fig.frames = frames# 添加标题和标签fig.update_layout(title='Animated Line Plot', xaxis_title='X-axis', yaxis_title='Y-axis', updatemenus=[dict(type='buttons', showactive=False, buttons=[dict(label='Play', method='animate', args=[None, dict(frame=dict(duration=100, redraw=True), fromcurrent=True)])])])# 显示图表fig.show()

　　这个例子演示了如何使用Plotly创建一个动画线条图。

　　动画由播放按钮控制，并随着时间的推移添加帧以更新情节。

　　05 气泡图

　　import plotly.express as px

　　# 生成示例数据

　　df = px.data.gapminder().query("year == 2007")

　　# 创建气泡图

　　fig = px.scatter_geo(df, locations='iso_alpha', size='pop', hover_name='country', title='Bubble Map')

　　# 显示图表

　　fig.show()

　　使用Plotly Express使用来自Gapminder数据集的数据创建一个气泡地图。

　　每个气泡的大小代表一个国家的人口。

　　06 小提琴图

　　import plotly.express as pximport seaborn as sns# 加载示例数据tips = sns.load_dataset('tips')# 创建小提琴图fig = px.violin(tips, y='total_bill', x='day', box=True, points="all", title='Violin Plot')# 显示图表fig.show()

　　使用Plotly Express创建小提琴图，数据集分布统计情况。

　　该图显示了每天总账单的分布情况。

　　07 旭日图

　　import plotly.express as px# 生成示例数据df = px.data.tips()# 创建旭日图fig = px.sunburst(df, path=['sex', 'day', 'time'], values='total_bill', title='Sunburst Chart')# 显示图表fig.show()

　　旭日图的层次结构由path参数定义，值由分段的大小表示。

　　08 热力图

　　import plotly.express as pximport numpy as np# 生成示例数据np.random.seed(42)corr_matrix = np.random.rand(10, 10)# 创建热力图fig = px.imshow(corr_matrix, labels=dict(x="X-axis", y="Y-axis", color="Correlation"), title='Heatmap with Annotations')# 显示图表fig.show()

　　labels参数允许我们自定义轴标签和colorbar标签。

　　09 雷达图

　　import plotly.graph_objects as goimport pandas as pd# 生成示例数据categories = ['Speed', 'Reliability', 'Comfort', 'Safety', 'Efficiency']values = [90, 60, 85, 70, 80]# 创建雷达图fig = go.Figure()fig.add_trace(go.Scatterpolar( r=values, theta=categories, fill='toself', name='Product A'))# 添加标题fig.update_layout(title='Radar Chart')# 显示图表fig.show()

　　图表表示单个数据点(产品a)的多个属性(类别)。

　　10 分级统计图

　　import plotly.express as px# 生成示例数据df = px.data.gapminder().query("year == 2007")# 创建分级统计图fig = px.choropleth(df, locations='iso_alpha', color='gdpPercap', hover_name='country', title='Choropleth Map')# 显示图表fig.show()

　　这个例子演示了如何使用Plotly Express创建一个choropleth地图。

　　颜色强度代表每个国家的人均GDP。

　　11 自定义布局

　　import plotly.graph_objects as go# 生成示例数据x = [1, 2, 3, 4, 5]y = [10, 11, 12, 13, 14]# 创建自定义柱状图fig = go.Figure(data=go.Bar(x=x, y=y, marker_color='orange'))# 自定义配置fig.update_layout(title='Customized Bar Chart', xaxis_title='X-axis', yaxis_title='Y-axis', font=dict(family='Arial', size=12))# 显示图表fig.show()

　　这里创建了一个具有自定义布局的柱状图。更新布局方法允许我们设置标题、轴标签和字体样式。

　　12 子图

　　import plotly.subplots as spimport plotly.graph_objects as go# 生成示例数据x = [1, 2, 3, 4, 5]y1 = [10, 11, 12, 13, 14]y2 = [14, 13, 12, 11, 10]# 创建子图fig = sp.make_subplots(rows=2, cols=1, shared_xaxes=True, subplot_titles=['Subplot 1', 'Subplot 2'])fig.add_trace(go.Scatter(x=x, y=y1, mode='lines+markers', name='Trace 1'), row=1, col=1)fig.add_trace(go.Scatter(x=x, y=y2, mode='lines+markers', name='Trace 2'), row=2, col=1)# 自定义配置fig.update_layout(title='Subplots', xaxis_title='X-axis', yaxis_title='Y-axis')#显示图表fig.show()

　　使用Plotly的make_subplots来创建共享同一x轴的两个子图。

　　然后将迹线单独添加到每个子图中。

　　13 动态数据板

　　import dashfrom dash import htmlfrom dash import dccfrom dash.dependencies import Input, Outputimport plotly.express as px# 生成示例数据df = px.data.tips()# 创建Dash appapp = dash.Dash(__name__)# 参数设置app.layout = html.Div([ dcc.Graph(id='scatter-plot'), dcc.Slider( id='slider-tip', min=df['total_bill'].min(), max=df['total_bill'].max(), value=df['total_bill'].mean(), marks={str(i): str(i) for i in range(int(df['total_bill'].min()), int(df['total_bill'].max()) + 1, 5)}, step=1 )])# 定义回调更新散点图@app.callback( Output('scatter-plot', 'figure'), [Input('slider-tip', 'value')])def update_scatter_plot(selected_tip): filtered_df = df[df['total_bill']

　　使用Dash创建一个动态仪表板，Dash是一个使用Plotly可视化构建web应用程序的框架。

　　散点图可以根据滑块中的选定值更新。

　　14 3D散点图

　　import plotly.graph_objects as goimport numpy as np# 生成示例数据np.random.seed(42)x = np.random.rand(100)y = np.random.rand(100)z = np.random.rand(100)# 创建3D散点图fig = go.Figure(data=[go.Scatter3d(x=x, y=y, z=z, mode='markers', marker=dict(size=8, color=z, colorscale='Viridis'))])# 添加标题和标签fig.update_layout(title='3D Scatter Plot', scene=dict(xaxis_title='X-axis', yaxis_title='Y-axis', zaxis_title='Z-axis'))# 显示图表fig.show()

　　每个点的颜色由z轴值决定，从而在视觉上吸引人的注意。

　　15 漏斗图

　　import plotly.graph_objects as go# 生成示例数据values = [500, 450, 350, 300, 200]# 创建漏斗图fig = go.Figure(go.Funnel(y=['Stage 1', 'Stage 2', 'Stage 3', 'Stage 4', 'Stage 5'], x=values, textinfo='value+percent initial'))# 添加标题fig.update_layout(title='Funnel Chart')# 显示图表fig.show()