关于python:教你们如何使用-Python-进行数据可视化Plotly

装置

要装置它，请在终端中输出以下命令。

pip install plotly
复制代码 

[图片上传失败 …(image-348f36-1641976165820)]

散点图

散点图中 Plotly 能够应用被创立 scatter()plotly.express 的办法。和 Seaborn 一样，这里也须要一个额定的数据参数。

例子：

import plotly.express as px
import pandas as pd

# 读取数据库
data = pd.read_csv("tips.csv")

# 绘制散点图
fig = px.scatter(data, x="day", y="tip", color='sex')

# 显示 plot
fig.show()
复制代码 

输入：

折线图

Plotly 中的折线图看起来比拟直观，并且是 plotly 的卓越合并，它治理各种类型的数据并组装易于款式的统计数据。应用 px.line 将每个数据地位示意为一个顶点

例子：

import plotly.express as px
import pandas as pd

# 读取数据库
data = pd.read_csv("tips.csv")

# 绘制散点图
fig = px.line(data, y='tip', color='sex')

# 显示 plot
fig.show()
复制代码 

条形图

Plotly 中的条形图能够应用 plotly.express 类的 bar() 办法创立。

例子：

import plotly.express as px
import pandas as pd

# 读取数据库
data = pd.read_csv("tips.csv")

# 绘制散点图
fig = px.bar(data, x='day', y='tip', color='sex')

# 显示情节
fig.show()
复制代码 

输入：

直方图

在 plotly，直方图能够应用 plotly.express 类的 histogram() 函数创立。

例子：

import plotly.express as px
import pandas as pd

# 读取数据库
data = pd.read_csv("tips.csv")

# 绘制散点图
fig = px.histogram(data, x='total_bill', color='sex')

# 显示 plot
fig.show()
复制代码 

输入：

增加交互

就像 Bokeh 一样，plotly 也提供了各种交互。让咱们探讨其中的几个。

创立下拉菜单：下拉菜单是菜单按钮的一部分，始终显示在屏幕上。每个菜单按钮都与一个菜单小部件相关联，该小部件能够在单击该菜单按钮时显示该菜单按钮的选项。在 plotly 中，有 4 种可能的办法能够应用 updatemenu 办法来批改图表。

• restyle： 批改数据或数据属性
• relayout： 批改布局属性
• update： 批改数据和布局属性
• animate： 开始或暂停动画

例子：

import plotly.graph_objects as px
import pandas as pd

# 读取数据库
data = pd.read_csv("tips.csv")

plot = px.Figure(data=[px.Scatter(x=data['day'],
    y=data['tip'],
    mode='markers',)
])

# 增加下拉菜单
plot.update_layout(
    updatemenus=[
        dict(
            buttons=list([
                dict(args=["type", "scatter"],
                    label="Scatter Plot",
                    method="restyle"
                ),
                dict(args=["type", "bar"],
                    label="Bar Chart",
                    method="restyle"
                )
            ]),
            direction="down",
        ),
    ]
)

plot.show()
复制代码 

输入：

增加按钮：在 plotly 中，动作自定义按钮用于间接从记录中疾速制作动作。自定义按钮能够增加到 CRM、营销和自定义应用程序中的页面布局。还有 4 种可能的办法能够利用于自定义按钮：

• restyle： 批改数据或数据属性
• relayout： 批改布局属性
• update： 批改数据和布局属性
• animate： 开始或暂停动画

例子：

import plotly.graph_objects as px
import pandas as pd

# 读取数据库
data = pd.read_csv("tips.csv")

plot = px.Figure(data=[px.Scatter(x=data['day'],
    y=data['tip'],
    mode='markers',)
])

# 增加下拉菜单
plot.update_layout(
    updatemenus=[
        dict(
            type="buttons",
            direction="left",
            buttons=list([
                dict(args=["type", "scatter"],
                    label="Scatter Plot",
                    method="restyle"
                ),
                dict(args=["type", "bar"],
                    label="Bar Chart",
                    method="restyle"
                )
            ]),
        ),
    ]
)

plot.show()
复制代码 

输入：

创立滑块和选择器：

在 plotly 中，范畴滑块是一个自定义范畴类型的输出控件。它容许在指定的最小和最大范畴之间抉择一个值或一个值范畴。范畴选择器是一种用于抉择要在图表中显示的范畴的工具。它提供了用于在图表中抉择预配置范畴的按钮。它还提供了输入框，能够手动输出最小和最大日期

例子：

import plotly.graph_objects as px
import pandas as pd

# 读取数据库
data = pd.read_csv("tips.csv")

plot = px.Figure(data=[px.Scatter(y=data['tip'],
    mode='lines',)
])

plot.update_layout(
    xaxis=dict(
        rangeselector=dict(
            buttons=list([
                dict(count=1,
                    step="day",
                    stepmode="backward"),
            ])
        ),
        rangeslider=dict(visible=True),
    )
)

plot.show()
复制代码 

输入：

小结

在本系列教程中，咱们借助 Python 的四个不同绘图模块（即 [Matplotlib]、[Seaborn]、[Bokeh] 和 Plotly）绘制了 tips 数据集。每个模块都以本人独特的形式显示情节，每个模块都有本人的一组性能，例如 Matplotlib 提供了更大的灵活性，但代价是编写更多代码，而 Seaborn 作为一种高级语言提供了容许人们通过大量代码。每个模块都能够依据咱们想要实现的工作应用。
。