Python 可视化神器Plotly详解
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 https://plotly.com/python/
到此这篇关于Python 可视化神器Plotly详解的文章就介绍到这了,更多相关Python 可视化神器Plotly内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家!
相关文章
pytest解读fixtures之Teardown处理yield和addfinalizer方案
这篇文章主要为大家介绍了pytest解读fixtures之Teardown处理yield和addfinalizer的方案实例,有需要的朋友可以借鉴参考下,希望能够有所帮助,祝大家多多进步,早日升职加薪2022-06-06python中@property和property函数常见使用方法示例
这篇文章主要介绍了python中@property和property函数常见使用方法,结合实例形式分析了Python @property和property函数功能、使用方法及相关操作注意事项,需要的朋友可以参考下2019-10-10
最新评论