237 lines
6.2 KiB
Plaintext
237 lines
6.2 KiB
Plaintext
Plotly Express 是一个新的高级 Python 可视化库，它是 Plotly.py 的高级封装，为复杂图表提供简单的语法。最主要的是 Plotly 可以与 Pandas 数据类型 DataFrame 完美的结合，对于数据分析、可视化来说实在是太便捷了，而且是完全免费的，非常值得尝试
|
||
|
||
下面我们使用 Ployly 的几个内置数据集来进行相关图表绘制的演示
|
||
|
||
数据集
|
||
|
||
Plotly 内置的所有数据集都是 DataFrame 格式，也即是与 Pandas 深度契合的体现
|
||
|
||
不同国家历年GDP收入与人均寿命
|
||
|
||
包含字段：国家、洲、年份、平均寿命、人口数量、GDP、国家简称、国家编号
|
||
|
||
gap = px.data.gapminder()gap2007 = gap.query("year==2007")gap2007
|
||
|
||
Output
|
||
|
||
餐馆的订单流水
|
||
|
||
包含字段：总账单、小费、性别、是否抽烟、星期几、就餐时间、人数
|
||
|
||
tips = px.data.tips()tips
|
||
|
||
Output
|
||
|
||
鸢尾花
|
||
|
||
包含字段：萼片长、萼片宽、花瓣长、花瓣宽、种类、种类编号
|
||
|
||
iris = px.data.iris() iris
|
||
|
||
Output
|
||
|
||
风力数据
|
||
|
||
包含字段：方向、强度、数值
|
||
|
||
wind = px.data.wind() wind
|
||
|
||
Output
|
||
|
||
2013年蒙特利尔市长选举投票结果
|
||
|
||
包括字段：区域、Coderre票数、Bergeron票数、Joly票数、总票数、胜者、结果(占比分类)
|
||
|
||
election = px.data.election() election
|
||
|
||
Output
|
||
|
||
蒙特利尔一个区域中心附近的汽车共享服务的可用性
|
||
|
||
包括字段：纬度、经度、汽车小时数、高峰小时
|
||
|
||
carshare = px.data.carshare()carshare
|
||
|
||
Output
|
||
|
||
内置调色板
|
||
|
||
Plotly 还拥有众多色彩高级的调色板，使得我们在绘制图表的时候不再为颜色搭配而烦恼
|
||
|
||
卡通片的色彩和序列
|
||
|
||
px.colors.carto.swatches()
|
||
|
||
Output
|
||
|
||
CMOcean项目的色阶
|
||
|
||
px.colors.cmocean.swatches()
|
||
|
||
Output
|
||
|
||
还有其他很多调色板供选择，就不一一展示了，下面只给出代码，具体颜色样式可以自行运行代码查看
|
||
|
||
ColorBrewer2项目的色阶
|
||
|
||
px.colors.colorbrewer
|
||
|
||
周期性色标，适用于具有自然周期结构的连续数据
|
||
|
||
px.colors.cyclical
|
||
|
||
分散色标，适用于具有自然终点的连续数据
|
||
|
||
px.colors.diverging
|
||
|
||
定性色标，适用于没有自然顺序的数据
|
||
|
||
px.colors.qualitative
|
||
|
||
顺序色标，适用于大多数连续数据
|
||
|
||
px.colors.sequential
|
||
|
||
Plotly Express 基本绘图
|
||
|
||
散点图
|
||
|
||
Plotly 绘制散点图非常容易，一行代码就可以完成
|
||
|
||
px.scatter(gap2007, x="gdpPercap", y="lifeExp")
|
||
|
||
Output
|
||
|
||
还可以通过参数 color 来区分不同的数据类别
|
||
|
||
px.scatter(gap2007, x="gdpPercap", y="lifeExp", color="continent")
|
||
|
||
Output
|
||
|
||
这里每个点都代表一个国家，不同颜色则代表不同的大洲
|
||
|
||
可以使用参数 size 来体现数据的大小情况
|
||
|
||
px.scatter(gap2007, x="gdpPercap", y="lifeExp", color="continent", size="pop", size_max=60)
|
||
|
||
Output
|
||
|
||
还可以通过参数 hover_name 来指定当鼠标悬浮的时候，展示的信息
|
||
|
||
还可以根据数据集中不同的数据类型进行图表的拆分
|
||
|
||
px.scatter(gap2007, x="gdpPercap", y="lifeExp", color="continent", size="pop", size_max=60, hover_name="country", facet_col="continent", log_x=True)
|
||
|
||
Output
|
||
|
||
我们当然还可以查看不同年份的数据，生成自动切换的动态图表
|
||
|
||
px.scatter(gap, x="gdpPercap", y="lifeExp", color="continent", size="pop", size_max=60, hover_name="country", animation_frame="year", animation_group="country", log_x=True, range_x=[100, 100000], range_y=[25, 90], labels=dict(pop="Population", gdpPercap="GDP per Capa", lifeExp="Life Expectancy"))
|
||
|
||
Output
|
||
|
||
地理信息图
|
||
|
||
Plotly 绘制动态的地理信息图表也是非常方便，通过这种地图的形式，我们也可以清楚的看到数据集中缺少前苏联的相关数据
|
||
|
||
px.choropleth(gap, locations="iso_alpha", color="lifeExp", hover_name="country", animation_frame="year", color_continuous_scale=px.colors.sequential.Plasma, projection="natural earth")
|
||
|
||
Output
|
||
|
||
矩阵散点图
|
||
|
||
px.scatter_matrix(iris, dimensions=['sepal_width', 'sepal_length', 'petal_width', 'petal_length'], color='species', symbol='species')
|
||
|
||
Output
|
||
|
||
平行坐标图
|
||
|
||
px.parallel_coordinates(tips, color='size', color_continuous_scale=px.colors.sequential.Inferno)
|
||
|
||
Output
|
||
|
||
三元散点图
|
||
|
||
px.scatter_ternary(election, a="Joly", b="Coderre", c="Bergeron", color="winner", size="total", hover_name="district", size_max=15, color_discrete_map = {"Joly": "blue", "Bergeron": "green", "Coderre":"red"} )
|
||
|
||
Output
|
||
|
||
极坐标线条图
|
||
|
||
px.line_polar(wind, r="frequency", theta="direction", color="strength", line_close=True,color_discrete_sequence=px.colors.sequential.Plotly3[-2::-1])
|
||
|
||
Output
|
||
|
||
小提琴图
|
||
|
||
px.violin(tips, y="tip", x="sex", color="smoker", facet_col="day", facet_row="time",box=True, points="all", category_orders={"day": ["Thur", "Fri", "Sat", "Sun"], "time": ["Lunch", "Dinner"]}, hover_data=tips.columns)
|
||
|
||
Output
|
||
|
||
极坐标条形图
|
||
|
||
px.bar_polar(wind, r="frequency", theta="direction", color="strength", color_discrete_sequence= px.colors.sequential.Plotly3[-2::-1])
|
||
|
||
Output
|
||
|
||
并行类别图
|
||
|
||
px.parallel_categories(tips, color="size", color_continuous_scale=px. colors.sequential.Inferno)
|
||
|
||
Output
|
||
|
||
直方图
|
||
|
||
px.histogram(tips, x="total_bill", color="smoker",facet_row="day", facet_col="time")
|
||
|
||
Output
|
||
|
||
三维散点图
|
||
|
||
px.scatter_3d(election, x="Joly", y="Coderre", z="Bergeron", color="winner", size="total", hover_name="district",symbol="result", color_discrete_map = {"Joly": "blue", "Bergeron": "green", "Coderre":"red"})
|
||
|
||
Output
|
||
|
||
密度等值线图
|
||
|
||
px.density_contour(iris, x="sepal_width", y="sepal_length", color="species")
|
||
|
||
Output
|
||
|
||
箱形图
|
||
|
||
px.box(tips, x="sex", y="tip", color="smoker", notched=True)
|
||
|
||
Output
|
||
|
||
地理坐标线条图
|
||
|
||
px.line_geo(gap.query("year==2007"), locations="iso_alpha", color="continent", projection="orthographic")
|
||
|
||
Output
|
||
|
||
条线图
|
||
|
||
px.line(gap, x="year", y="lifeExp", color="continent", line_group="country", hover_name="country", line_shape="spline", render_mode="svg")
|
||
|
||
Output
|
||
|
||
面积图
|
||
|
||
px.area(gap, x="year", y="pop", color="continent", line_group="country")
|
||
|
||
Output
|
||
|
||
热力图
|
||
|
||
px.density_heatmap(iris, x="sepal_width", y="sepal_length", marginal_x="rug", marginal_y="histogram")
|
||
|
||
Output
|
||
|
||
条形图
|
||
|
||
px.bar(tips, x="sex", y="total_bill", color="smoker", barmode="group")
|
||
|
||
Output
|
||
|
||
总体来说，Plotly/Plotly Express 还是非常强大绘图工具，值得我们细细研究 |