Visualisasi Python |. Visualisasi Python penting lanjutan

Python可视化 | Python可视化进阶必备 - plotly

1. Pengenalan

Plotly ialah rangka kerja visualisasi data sumber terbuka yang sangat terkenal dan berkuasa Ia membina borang web interaktif berdasarkan paparan penyemak imbas untuk memaparkan maklumat dan mencipta berpuluh-puluh carta dan peta yang cantik.

2. Peraturan Tatabahasa Lukisan

2.1 Kaedah Lukisan Luar Talian

Terdapat dua cara untuk melukis imej dalam Plotly, dalam talian dan luar talian. Lukisan memerlukan pendaftaran akaun untuk mendapatkan kunci API, yang lebih menyusahkan, jadi artikel ini hanya memperkenalkan kaedah lukisan luar talian.

Lukisan luar talian mempunyai dua kaedah: plotly.offline.plot() dan plotly.offline.iplot() menjana fail imej format html dalam direktori kerja semasa secara luar talian dan secara automatik buka;

Kaedah khusus dalam buku nota jupyter, yang membenamkan grafik yang dijana ke dalam fail ipynb (), anda perlu menjalankan plotly.offline.init_notebook_mode() sebelum melengkapkan permulaan kod lukisan, jika tidak, ralat akan dilaporkan).

Parameter utama plotly.offline.iplot() adalah seperti berikut:

figure_or_data: Pass in plotly.graph_objs.Figure, plotly .graph_objs. Terdiri daripada Data, kamus atau senarai, data yang boleh menerangkan graf
show_link: bool type, digunakan untuk melaraskan sama ada imej output mempunyai tanda plot di sudut kanan bawah
link_text :str type input, digunakan untuk menetapkan kandungan teks penerangan di penjuru kanan sebelah bawah imej (apabila show_link=True), lalainya ialah 'Eksport ke plot.ly'
imej: jenis str atau Tiada, penjanaan kawalan Format muat turun imej, termasuk 'png', 'jpeg', 'svg', 'webp', lalainya ialah Tiada, iaitu kaedah muat turun tidak akan ditetapkan untuk imej terjana
nama fail: jenis str, Mengawal nama fail imej yang disimpan, lalai ialah 'plot'
image_height: jenis int, mengawal nilai piksel bagi ketinggian imej, lalai ialah 600 , nilai piksel yang mengawal lebar imej, lalai ialah 800
Berikut ialah contoh mudah:

import plotly
import plotly.graph_objs as go
'''初始化jupyter notebook中的绘图模式'''
plotly.offline.init_notebook_mode()
'''绘制一个基本的折线图，控制其尺寸为1600x600'''
plotly.offline.iplot([{'x': [1, 2, 3], 'y': [5, 2, 7]}],
 image_height=600,
 image_width=1600)

Salin selepas log masuk

2.2 Objek graf Python可视化 | Python可视化进阶必备 - plotly

graph_objs dalam plotly ialah sub-modul di bawah plotly dan digunakan untuk mengimport semua objek grafik dalam plotly selepas mengimport objek grafik yang sepadan , anda boleh membentangkan data dan grafik tersuai mengikut keperluan Parameter spesifikasi digunakan untuk mentakrifkan objek graf, dan kemudian masukkan ke dalam plotly.offline.iplot() untuk pembentangan akhir

Tanya manual bantuan yang berkaitan dan dapatkan keputusan berikut:

Dapat dilihat bahawa objek graf yang terkandung dalam graph_objs sangat kaya Artikel ini juga akan memilih beberapa yang biasa digunakan untuk diperkenalkan.

Help on package plotly.graph_objs in plotly:
NAME
 plotly.graph_objs
DESCRIPTION
 graph_objs
 ==========
 This package imports definitions for all of Plotly's graph objects. For more
 information, run help(Obj) on any of the following objects defined here.
 The reason for the package graph_objs and the module graph_objs is to provide
 a clearer API for users.
PACKAGE CONTENTS
 _area
 _bar
 _box
 _candlestick
 _carpet
 _choropleth
 _cone
 _contour
 _contourcarpet
 _deprecations
 _figure
 _figurewidget
 _frame
 _heatmap
 _heatmapgl
 _histogram
 _histogram2d
 _histogram2dcontour
 _layout
 _mesh3d
 _ohlc
 _parcoords
 _pie
 _pointcloud
 _sankey
 _scatter
 _scatter3d
 _scattercarpet
 _scattergeo
 _scattergl
 _scattermapbox
 _scatterpolar
 _scatterpolargl
 _scatterternary
 _splom
 _surface
 _table
 _violin
 area (package)
 bar (package)
 box (package)
 candlestick (package)
 carpet (package)
 choropleth (package)
 cone (package)
 contour (package)
 contourcarpet (package)
 graph_objs
 graph_objs_tools
 heatmap (package)
 heatmapgl (package)
 histogram (package)
 histogram2d (package)
 histogram2dcontour (package)
 layout (package)
 mesh3d (package)
 ohlc (package)
 parcoords (package)
 pie (package)
 pointcloud (package)
 sankey (package)
 scatter (package)
 scatter3d (package)
 scattercarpet (package)
 scattergeo (package)
 scattergl (package)
 scattermapbox (package)
 scatterpolar (package)
 scatterpolargl (package)
 scatterternary (package)
 splom (package)
 surface (package)
 table (package)
 violin (package)
DATA
 absolute_import = _Feature((2, 5, 0, 'alpha', 1), (3, 0, 0, 'alpha', 0...
FILE
 d:anacondalibsite-packagesplotlygraph_objs__init__.py

Salin selepas log masuk

2.3 Membina jejak

Selepas mengimport obj yang sepadan daripada graph_objs mengikut keperluan lukisan, perkara seterusnya yang perlu dilakukan adalah berdasarkan data yang akan dipaparkan , seperti yang dinyatakan obj mengkonfigurasi parameter yang berkaitan, yang dipanggil bina jejak (cipta jejak) dalam plotly Berikut ialah dua contoh mudah untuk membantu memahami bahagian ini:

Mula-mula, mari kita lukis plot serakan yang lebih asas. imej:

import plotly
import plotly.graph_objs as go
import numpy as np
'''构造1000个服从二维正态分布的模拟数据'''
N = 1000
random_x = np.random.randn(N)
random_y = np.random.randn(N)
'''构造trace，配置相关参数'''
trace = go.Scatter(
 x = random_x,
 y = random_y,
 mode = 'markers'
)
'''将trace保存于列表之中'''
data = [trace]
'''启动绘图'''
plotly.offline.init_notebook_mode()
plotly.offline.iplot(data, filename='basic-scatter')

Salin selepas log masuk

Daripada contoh mudah di atas, anda boleh melihat cara umum untuk mencipta surih dan berbilang surih boleh ditindih pada satu gambar, seperti yang berikut contoh: Python可视化 | Python可视化进阶必备 - plotly

import numpy as np
import plotly
import plotly.graph_objs as go
'''创建仿真数据'''
N = 100
random_x = np.linspace(0, 1, N)
random_y0 = np.random.randn(N)+5
random_y1 = np.random.randn(N)
random_y2 = np.random.randn(N)-5
'''构造trace0'''
trace0 = go.Scatter(
 x = random_x,
 y = random_y0,
 mode = 'markers',
 name = 'markers'
)
'''构造trace1'''
trace1 = go.Scatter(
 x = random_x,
 y = random_y1,
 mode = 'lines+markers',
 name = 'lines+markers'
)
'''构造trace2'''
trace2 = go.Scatter(
 x = random_x,
 y = random_y2,
 mode = 'lines',
 name = 'lines'
)
'''将所有trace保存在列表中'''
data = [trace0, trace1, trace2]
'''启动绘图'''
plotly.offline.init_notebook_mode()
plotly.offline.iplot(data, filename='scatter-mode')

Salin selepas log masuk

Untuk graph_obj yang berbeza, format konfigurasi surih juga berbeza. Python可视化 | Python可视化进阶必备 - plotly

2.4 Tentukan Reka Letak

Elemen lapisan imej dalam plot adalah bebas daripada latar belakang asas, paksi koordinat, dll. Selepas kami memperkenalkan kandungan sebelum ini, Selepas mentakrifkan objek yang diperlukan untuk melukis imej, anda boleh melukisnya secara terus Walau bagaimanapun, jika anda mahukan kandungan yang lebih tersuai pada lapisan latar belakang, anda perlu mentakrifkan objek Layout() adalah seperti berikut kepada yang berbeza Bahagikan kepada beberapa bahagian dan terangkan secara berasingan dengan contoh:

2.4.1 Teks

Teks ialah bahagian yang sangat penting dalam gambar, plotly sangat berkuasa Mekanisme lukisan Graf telah membahagikan teks dalam gambar dengan teliti dan boleh memperibadikan fon bahagian komponen tertentu dengan cara yang sangat disasarkan:

Teks global:

font：字典型，用于控制图像中全局字体的部分，其常用键及功能如下：
family：str型，用于控制字体，默认为'Open Sans'，可选项有'verdana'，'arial'，'sans-serif'等等，具体自行移步官网说明文档
size：int型，用于控制字体大小，默认为12
color：str型，传入十六进制色彩，默认为'#444'

下面是一个简单的例子：

import plotly
import plotly.graph_objs as go
import numpy as np
'''构造1000个服从二维正态分布的模拟数据'''
N = 1000
random_x = np.random.randn(N)
random_y = np.random.randn(N)
'''构造trace，配置相关参数'''
trace = go.Scatter(
 x = random_x,
 y = random_y,
 mode = 'markers'
)
'''将trace保存于列表之中'''
data = [trace]
'''创建layout对象'''
layout = go.Layout(title='测试',
 font={
 'size':22,
 'family':'sans-serif',
 'color':'9ed900'#将全局字体颜色设置颜色为葱绿
 })
'''将graph部分和layout部分组合成figure对象'''
fig = go.Figure(data=data, layout=layout)
'''启动绘图直接绘制figure对象'''
plotly.offline.init_notebook_mode()
plotly.offline.iplot(fig,filename='basic-scatter')

Salin selepas log masuk

Python可视化 | Python可视化进阶必备 - plotly

标题文字：

title：str型，用于控制图像的主标题
titlefont：字典型，用于独立控制标题字体的部分，其常用键如下：
family：同font中的family，用于单独控制标题字体
size：int型，控制标题的字体大小
color：同font中的color

下面是一个简单的例子：

import plotly
import plotly.graph_objs as go
import numpy as np
'''构造1000个服从二维正态分布的模拟数据'''
N = 1000
random_x = np.random.randn(N)
random_y = np.random.randn(N)
'''构造trace，配置相关参数'''
trace = go.Scatter(
x = random_x,
y = random_y,
mode = 'markers'
)
'''将trace保存于列表之中'''
data = [trace]
'''创建layout对象'''
layout = go.Layout(title='测试',
titlefont={
'size':20,
'color':'9ed900'#将标题字体颜色设置颜色为葱绿
})
'''将graph部分和layout部分组合成figure对象'''
fig = go.Figure(data=data, layout=layout)
'''启动绘图直接绘制figure对象'''
plotly.offline.init_notebook_mode()
plotly.offline.iplot(fig,filename='basic-scatter')

Salin selepas log masuk

Python可视化 | Python可视化进阶必备 - plotly

2.4.2 坐标轴

xaxis或yaxis：字典型，控制横坐标的各属性，其主要键如下：
color：str型，传入十六进制色彩，控制横坐标上所有元素的基础颜色（在未单独指定颜色之前，这些元素均采用此处color指定的颜色）
title：str型，设置横坐标轴上的标题
titlefont：字典型，同之前所有同名参数
type：str型，用于控制横坐标轴类型，'-'表示根据输入数据自适应调整，'linear'表示线性坐标轴，'log'表示对数坐标轴，'date'表示日期型坐标轴，'category'表示分类型坐标轴，默认为'-'
autorange：bool型或'reversed'，控制是否根据横坐标对应的数据自动调整坐标轴范围，默认为True
range：list型，控制横坐标轴的区间范围，自行设置无默认项，取决于横坐标轴的数据类型，格式均为[左端点,右端点]
tickmode：str型，设置坐标轴刻度的格式，'auto'表示自动根据输入的数据来决定，'linear'表示线性的数值型，'array'表示由自定义的数组来表示（用数组来自定义刻度标签时必须选择此项）
tickvals：list、numpy array或pandas中的series，作为坐标轴刻度标签的替代（tickmode此时必须被设置为'array'）
ticks：str型，控制刻度标签的书写位置，'outside'表示在外侧显示，'inside'表示在内侧显示，''表示不显示
ticklen：int型，设置刻度标签的像素长度
tickwidth：int型，设置刻度标签的像素宽度
tickcolor：str型，传入十六进制色彩，用于控制刻度标签的颜色
tickfont：字典型，同前面所有字典型字体控制参数，用于对刻度标签进行单独控制
tickangle：int型，设置刻度标签的旋转角度
showline：bool型，控制是否绘制出该坐标轴上的直线部分
linecolor：str型，十六进制色彩，控制坐标轴线条的色彩
linewidth：int型，设置坐标轴直线部分的像素宽度
showgrid：bool型，控制是否绘制网格线
gridcolor：str型，十六进制色彩，控制网格线的颜色
gridwidth：int型，控制网格线的像素宽度
zeroline：bool型，控制是否在0值处绘制0刻度线
side：str型，控制x(y)轴放置于作图区域的位置，'top'、'bottom'控制横轴放置于顶部亦或是底部；'left'、'right'控制纵轴放置于左侧亦或是右侧

下面是几个简单的示例。

1. 对横纵坐标轴标题字体进行修改。

import plotly
import plotly.graph_objs as go
import numpy as np
'''构造1000个服从二维正态分布的模拟数据'''
N = 1000
random_x = np.random.randn(N)
random_y = np.random.randn(N)
'''构造trace，配置相关参数'''
trace = go.Scatter(
 x = random_x,
 y = random_y,
 mode = 'markers'
)
'''将trace保存于列表之中'''
data = [trace]
'''创建layout对象，对横纵坐标轴的标题进行一定的设置'''
layout = go.Layout(xaxis={
 'title':'这是横坐标轴',
 'titlefont':{
 'size':30
 }
},yaxis={
 'title':'这是纵坐标轴',
 'titlefont':{
 'size':40
 }
})
'''将graph部分和layout部分组合成figure对象'''
fig = go.Figure(data=data, layout=layout)
'''启动绘图直接绘制figure对象'''
plotly.offline.init_notebook_mode()
plotly.offline.iplot(fig,filename='basic-scatter')

Salin selepas log masuk

Python可视化 | Python可视化进阶必备 - plotly

2. 对横纵方向的坐标轴线条及网格进行设置

import plotly
import plotly.graph_objs as go
import numpy as np
'''构造1000个服从二维正态分布的模拟数据'''
N = 1000
random_x = np.random.randn(N)
random_y = np.random.randn(N)
'''构造trace，配置相关参数'''
trace = go.Scatter(
 x = random_x,
 y = random_y,
 mode = 'markers'
)
'''将trace保存于列表之中'''
data = [trace]
'''创建layout对象，对横纵坐标轴的线条及网格颜色进行一定的设置'''
layout = go.Layout(xaxis={
 'showline':False,
 'showgrid':True,
 'zeroline':False,
 'showgrid':True,
 'gridcolor':'7fecad'
 },yaxis={
'showline':False,
 'showgrid':True,
 'gridcolor':'#3d3b4f',
 'zeroline':False
})
'''将graph部分和layout部分组合成figure对象'''
fig = go.Figure(data=data, layout=layout)
'''启动绘图直接绘制figure对象'''
plotly.offline.init_notebook_mode()
plotly.offline.iplot(fig,filename='basic-scatter')

Salin selepas log masuk

Python可视化 | Python可视化进阶必备 - plotly

2.4.3 图例

showlegend：bool型，控制是否绘制图例
legend：字典型，用于控制用图例相关的所有属性的设置，主要键如下：
bgcolor：str型，十六进制设置图例背景颜色
bordercolor：设置图例边框的颜色
borderwidth：int型，设置图例边框的颜色
font：字典型，设置图例文字部分的字体，同前面所有font设置规则
orientation：str型，设置图例各元素的堆叠方向，'v'表示竖直，'h'表示水平堆叠
x：数值型，-2到3之间，用于设置图例在水平方向上的位置，默认为1.02
xanchor：str型，用于直接设置图例水平位置的固定位置，有'left'、'center'、'right'和'auto'几个可选项
y：数值型，-2到3之间，用于设置图例在竖直方向上的位置，默认为1
yanchor：str型，用于直接设置图例竖直方向上的固定位置，有'top'、'middle'、'bottom'和'auto'几个选项

下面是一个简单的例子。

将图例的位置挪动到图像中心，即百分比上（0.5,0.5）的位置：

import numpy as np
import plotly
import plotly.graph_objs as go
'''创建仿真数据'''
N = 100
random_x = np.linspace(0, 1, N)
random_y0 = np.random.randn(N)+5
random_y1 = np.random.randn(N)
random_y2 = np.random.randn(N)-5
'''构造trace0'''
trace0 = go.Scatter(
 x = random_x,
 y = random_y0,
 mode = 'markers',
 name = 'markers'
)
'''构造trace1'''
trace1 = go.Scatter(
 x = random_x,
 y = random_y1,
 mode = 'lines+markers',
 name = 'lines+markers'
)
'''构造trace2'''
trace2 = go.Scatter(
 x = random_x,
 y = random_y2,
 mode = 'lines',
 name = 'lines'
)
'''将所有trace保存在列表中'''
data = [trace0, trace1, trace2]
'''构造layout对象，对图例位置进行一定的设置'''
layout = go.Layout(legend={
 'x':0.5,
 'y':0.5
})
'''构造figure对象'''
fig = go.Figure(data=data,layout=layout)
'''启动绘图'''
plotly.offline.init_notebook_mode()
plotly.offline.iplot(fig, filename='scatter-mode')

Salin selepas log masuk

Python可视化 | Python可视化进阶必备 - plotly

2.4.4 其它杂项

lebar: jenis int, mengawal lebar piksel imej, lalai ialah 700
ketinggian: jenis int, mengawal ketinggian piksel imej, lalai ialah 450
margin : Input biasa, mengawal lebar sempadan imej Kekunci utamanya adalah seperti berikut:
l: jenis int, mengawal lebar piksel kawasan kosong dari kiri. sempadan imej. Lalai ialah 80
r: jenis int, mengawal lebar piksel kawasan kosong dari sempadan kanan imej, lalai ialah 80
t: jenis int, mengawal lebar piksel kawasan kosong dari sempadan atas imej, Lalai ialah 100
b: jenis int, mengawal lebar piksel kawasan kosong dari sempadan bawah imej, lalai ialah 80
pad: jenis int, mengawal paksi koordinat dan Jarak piksel kawasan imej, lalai ialah 0
paper_bgcolor: jenis str, masukkan warna perenambelasan, kawal warna katil imej
plot_bgcolor: jenis str, Masukkan warna perenambelasan, kawal warna kawasan lukisan
sumber sembunyi: jenis bool, kawal sama ada untuk menandakan pautan sumber di penjuru kanan sebelah bawah imej
hovermode: str type Atau False, digunakan untuk menetapkan kaedah interaksi hover. Terdapat 'x Pilihan ', 'y', 'paling dekat' dan Palsu bermaksud tiada kaedah interaksi tuding
label hover: Input biasa, digunakan untuk mengawal pelbagai atribut kotak maklumat yang muncul semasa kekunci utama adalah seperti berikut:
bgcolor: jenis str, masukkan warna perenambelasan, kawal warna latar belakang kotak maklumat
warna sempadan: jenis str, masukkan warna perenambelasan, kawal warna sempadan kotak maklumat
fon: jenis fon, kawal atribut fon dalam kotak maklumat , kekunci utamanya adalah seperti berikut:
keluarga : sama seperti sebelumnya, fon kawalan
saiz: jenis int, saiz fon kawalan, lalai 13
warna: jenis str, warna heksadesimal input, warna fon kawalan
panjang nama: jenis int, kawal had panjang nama jejak yang sepadan yang dipaparkan dalam kotak maklumat, disyorkan untuk menetapkannya kepada - 1, iaitu, paparkan semua, lalai ialah 15, iaitu , untuk jejak yang lebih panjang daripada 15, hanya 15 aksara pertama akan dipaparkan
grid: jenis fon, mengawal perancangan berbilang angka pada satu halaman (subplot) Sifat grid, kekunci biasanya adalah seperti berikut:
baris: jenis int, mengawal bilangan baris dalam grid (peletakan sub-graf jenis sistem koordinat Cartesan), anda juga boleh menetapkan lebih daripada bilangan sebenar baris yang diperlukan untuk lukisan bagi mencapai tujuan meninggalkan ruang kosong
susunan baris: jenis str, tetapkan sub-gambar mengikut baris, sama ada untuk menyusun dari bawah ke atas atau atas ke bawah, sepadan dengan 'atas ke bawah' dan 'bawah ke atas', lalai ialah 'atas ke bawah', ambil perhatian bahawa hanya susunan tindanan baris boleh ditetapkan, susunan tindanan dalam arah lajur sentiasa dari kiri ke kanan
lajur: jenis int , sama seperti baris, mengawal bilangan lajur dalam grid
corak: jenis str, digunakan untuk mengawal perkongsian paksi koordinat antara sub-gambar dalam berbilang gambar pada halaman, 'berganding' bermakna setiap lajur berkongsi paksi-x yang sama , setiap baris berkongsi paksi-y, 'bebas' bermakna setiap paksi xy subgraf adalah bebas (ini amat berguna apabila melukis subgraf dengan perbezaan dimensi yang besar)
xgap: jenis apungan, 0.0 -1.0, digunakan untuk mengawal lebar kawasan kosong mendatar antara sub-gambar sebagai peratusan lebar sub-gambar
ygap: sama seperti xgap, mengawal lebar antara sub-gambar dalam arah menegak
domain: Jenis biasa, apabila menetapkan berbilang gambar pada halaman, lebar kawasan yang diduduki oleh sub-gambar dari sempadan atas, bawah, kiri dan kanan Kekunci utama adalah seperti berikut:
x: Jenis senarai, formatnya ialah [x1,x2], x1 mengawal jarak antara hujung kiri sub. -kawasan imej dan hujung kiri katil imej, x2 mengawal jarak antara hujung kanan kawasan sub-imej dan hujung kiri katil imej, x1 dan x2 kedua-duanya mewakili peratusan, dan diambil antara 0.0-1.0 Nilai
y: Sama seperti x, mengawal peratusan jarak antara hujung atas dan bawah kawasan sub-imej dan hujung atas katil imej masing-masing

Ringkasan

Di atas adalah bahagian asas lukisan plot Jika terdapat sebarang kesilapan silap, sila nyatakan.

Atas ialah kandungan terperinci Visualisasi Python |. Visualisasi Python penting lanjutan - plotly. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!