1、plotly库的相关介绍
1)相关说明
- plotly是一个基于javascript的绘图库,plotly绘图种类丰富,效果美观;
- 易于保存与分享plotly的绘图结果,并且可以与Web无缝集成;
- ploty默认的绘图结果,是一个HTML网页文件,通过浏览器可以直接查看;
2)plotly与matplotlib、seaborn的关系
"color: #ff0000">2、导入相关库
"htmlcode">
import os import numpy as np import pandas as pd import plotly as py import plotly.graph_objs as go import plotly.expression as px from plotly import tools import warnings warnings.filterwarnings("ignore")
3、plotly绘图原理
1)ployly常用的两个绘图模块:graph_objs和expression
"htmlcode">
df = pd.read_excel("plot.xlsx") # 步骤一 trace0 = go.Scatter(x=df["年份"],y=df["城镇居民"],name="城镇居民") trace1 = go.Scatter(x=df["年份"],y=df["农村居民"],name="农村居民") # 步骤二 data = [trace0,trace1] # 步骤三 fig = go.Figure(data) # 步骤四 fig.update_layout( title="城乡居民家庭人均收入", xaxis_title="年份", yaxis_title="人均收入(元)" ) # 步骤五 fig.show()
结果如下:
② 原理说明
1、绘制图形轨迹,在ployly里面叫做trace,每一个轨迹是一个trace。
2、将轨迹包裹成一个列表,形成一个“轨迹列表”。一个轨迹放在一个列表中,多个轨迹也是放在一个列表中。
3、创建画布的同时,并将上述的“轨迹列表”,传入到Figure()中。
4、使用Layout添加其他的绘图参数,完善图形。
5、展示图形。
3)expression(“px”)库的绘图原理
① 简单的案例说明
iris = pd.read_excel("iris.xlsx",sheet_name="Sheet2") fig = px.scatter(iris,x="花萼长度",y="花萼宽度",color="属种") fig.show()
结果如下:
② 原理说明
1、直接使用px调用某个绘图方法时,会自动创建画布,并画出图形。
2、展示图形。
4、保存图形的两种方式
1)直接下载下来:保存成png静态图片
2)使用py.offline.plot(fig,filename=“XXX.html”)代码保存成html网页动态图片
iris = pd.read_excel("iris.xlsx",sheet_name="Sheet2") fig = px.scatter(iris,x="花萼长度",y="花萼宽度",color="属种") py.offline.plot(fig,filename="iris1.html")
结果如下:该文件是一个html文件,这里上传不了,自己下去尝试一下就知道了。
3)总结说明
"color: #ff0000">5、绘制双y轴图
1)数据集如下
2)绘制不同地区的“任务完成量”和“任务完成率”情况
df = pd.read_excel("double_y.xlsx") x = df["地区"] y1 = df["完成量"] y2 = df["完成率"] trace0 = go.Bar(x=x,y=y1, marker=dict(color=["red","blue","green","darkgrey","darkblue","orange"]), opacity=0.5, name="不同地区的任务完成量") trace1 = go.Scatter(x=x,y=y2, mode="lines", name="不同地区的任务完成率", # 【步骤一】:使用这个参数yaxis="y2",就是绘制双y轴图 yaxis="y2") data = [trace0,trace1] layout = go.Layout(title="不同地区的任务完成量和任务完成率情况", xaxis=dict(title="地区"), yaxis=dict(title="不同地区的任务完成量"), # 【步骤二】:给第二个y轴,添加标题,指定第二个y轴,在右侧。 yaxis2=dict(title="不同地区的任务完成率",overlaying="y",side="right"), legend=dict(x=0.78,y=0.98,font=dict(size=12,color="black"))) fig = go.Figure(data=data,layout=layout) fig.show()
结果如下:
6、绘制多子图:一个画布上绘制多个图形
1)相关库和方法介绍
1、绘制多个子图,需要先导入tools库。from plotly import tools
2、tools.make_subplots(rows= ,cols=)用于指定绘图布局,rows和cols表示将画布布局成几行几列。
3、fig.append_trace()将每个图形轨迹trace,绘制在不同的位置上。
2)分别绘制不同地区的“任务完成量”和“任务完成率”情况
# 步骤一:导入相关库 from plotly import tools # 步骤二:指定绘图布局 fig = tools.make_subplots(rows=2,cols=1) # 步骤三:绘制图形轨迹 trace0 = go.Bar(x=x,y=y1, marker=dict(color=["red","blue","green","darkgrey","darkblue","orange"]), opacity=0.5, name="不同地区的任务完成量") trace1 = go.Scatter(x=x,y=y2, mode="lines", name="不同地区的任务完成率", line=dict(width=2,color="red")) # 步骤四:将第一个轨迹,添加到第1行的第1个位置 # 将第二个轨迹,添加到第2行的第1个位置 fig.append_trace(trace0,1,1) fig.append_trace(trace1,2,1) # 步骤四:根据自己的需求,给图形添加标题。height、width参数用于指定图形的宽和高 fig.update_layout(title="不同地区的任务量与完成量",height=800,width=800) # 步骤五:展示图形 fig.show()
结果如下:
免责声明:本站文章均来自网站采集或用户投稿,网站不提供任何软件下载或自行开发的软件! 如有用户或公司发现本站内容信息存在侵权行为,请邮件告知! 858582#qq.com
更新日志
- 小骆驼-《草原狼2(蓝光CD)》[原抓WAV+CUE]
- 群星《欢迎来到我身边 电影原声专辑》[320K/MP3][105.02MB]
- 群星《欢迎来到我身边 电影原声专辑》[FLAC/分轨][480.9MB]
- 雷婷《梦里蓝天HQⅡ》 2023头版限量编号低速原抓[WAV+CUE][463M]
- 群星《2024好听新歌42》AI调整音效【WAV分轨】
- 王思雨-《思念陪着鸿雁飞》WAV
- 王思雨《喜马拉雅HQ》头版限量编号[WAV+CUE]
- 李健《无时无刻》[WAV+CUE][590M]
- 陈奕迅《酝酿》[WAV分轨][502M]
- 卓依婷《化蝶》2CD[WAV+CUE][1.1G]
- 群星《吉他王(黑胶CD)》[WAV+CUE]
- 齐秦《穿乐(穿越)》[WAV+CUE]
- 发烧珍品《数位CD音响测试-动向效果(九)》【WAV+CUE】
- 邝美云《邝美云精装歌集》[DSF][1.6G]
- 吕方《爱一回伤一回》[WAV+CUE][454M]