Python 可视化神器--Plotly

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 plotly官网

示例代码：https://github.com/JustDoPython/python-examples/tree/master/chaoxi/2020-11-08-plotly