Python 可视化神器--Plotly

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/
(0)

相关推荐

  • 三维散点图

    上篇主要介绍了s,c,marker参数,scatter函数还有其他的参数,比如: 1.alpha,表示透明程序,取值 0(透明)和1(不透明)之间,默认值:1. 2.edgecolors,表示边缘颜色 ...

  • python绘制高颜值房价与地铁线路分布图

    来源|python数据分析之禅 作者|小dull鸟 大家好,我是老表,今天又来给大家分享plotly这个可视化库了,温故知新,多练则熟. plotly是python非常强大的可视化库,画出的图不仅精美 ...

  • [数据可视化]绘制持仓榜单的“棒棒糖图”

    [数据可视化]绘制持仓榜单的“棒棒糖图”

  • scatter函数参数

    scatter函数是用来绘制散点图的,如上篇介绍. scatter函数有很多的参数. (此图片来源于网络) 其中,x,y为数据,s为点的大小,示例见上篇. 1.c为点的颜色,可以取'b','r','g ...

  • 散点图

    最近好像不想动,只想追剧,追综艺,追电影,追小说,就是不想费脑子,感觉想要飞上天...... 来点绿色洗洗眼. 散点图,就是在坐标系里画点点点的图,尤其应用在回归分析中经常画. 要绘制散点图,主要是要 ...

  • 【python量化】如何用Python找到投资时的最佳组合比例

    现代投资组合理论(Modern Portfolio Theory,MPT)告诉我们投资者应该分散投资来实现最小化风险最大化投资回报.大邓刚开始学习这方面知识,用了将近一天的时候才搞懂MPT理论的推导, ...

  • Python可视化神器-Plotly动画展示

    来源:Python 技术「ID: pythonall」 在之前的一篇文章Python可视化神器-Plotly展现了可视化神器-Plotly的基本使用,接下来继续本着学习的姿态继续探索可视化神器-Plo ...

  • 又一个可视化神器 Highcharts,Python版!

    Python那些事 3天前 以下文章来源于Python数据之道 ,作者投稿君 来源:Python数据之道 作者:Peter,整理:Lemon 本文重点介绍的是可视化库 Highcharts 的相关基础 ...

  • 又一个可视化神器Highcharts,Python版也有哦!

    价值前瞻 91篇原创内容 公众号 来源:Python数据之道 作者:Peter 整理:Lemon 本文重点介绍的是可视化库 Highcharts 的相关基础知识,以及如何利用Highcharts来绘制 ...

  • Python可视化之Pyecharts神器(三)

    一.数据读取 import pandas as pd import pymysql config = {           'host':'localhost',           'port': ...

  • 功能强大、文档健全的开源 Python 绘图库 Plotly,手把手教你用!

    译者:欧剃 今天带你深入体验易于使用.文档健全.功能强大的开源 Python 绘图库 Plotly,教你如何用超简单的(甚至只要一行!)代码,绘制出更棒的图表. "沉没成本谬误"是 ...

  • 太强大了!一款可以像操作Excel一样玩Pandas的可视化神器来了!

    来源:程序员Github 大家好,我是Stitin涛哥! Pandas这个库对Python来说太重要啦!因为它的出现,让Python进行数据分析如虎添翼,作为Python里面最最牛逼的库之一,它在数据 ...

  • 【送书中奖名单】Python可视化居然可以这么玩!

    来自:开源最前线(ID:OpenSourceTop)  链接:https://ryven.org/ 如同艺术家们用绘画让人们更贴切的感知世界,数据可视化也能让人们更直观的传递数据所要表达的信息.你知道 ...

  • 这可能是最强的AI算法可视化神器!

    AI/CV重磅干货,第一时间送达 CVer 一个专注侃侃计算机视觉方向的公众号.计算机视觉.图像处理.机器学习.深度学习.C/C++.Python.诗和远方等. 198篇原创内容 公众号 仅凭数行代码 ...

  • 软件应用 | 8个流行的Python可视化工具包,你喜欢哪个?

    本文转载自公众号Python数据科学 来源:机器之心 作者:Aaron Frederick 喜欢用 Python 做项目的小伙伴不免会遇到这种情况:做图表时,用哪种好看又实用的可视化工具包呢?之前文章 ...