Jadual Kandungan
Fail IRIS.csv digunakan
Contoh 1: Membuat Scatter Plot menggunakan Python dan Plotly
Langkah reka bentuk dan pengekodan
Contoh 2: Membuat Scatter Plot menggunakan Python dan Plotly di Google Colab
Simpan fail data/fail csv yang diperlukan untuk analisis data
Jalankan fail Python dalam tetingkap baris arahan
Lihat hasil - Contoh 1
Contoh 1: Membuat plot taburan menggunakan Python di Google Colab
Muat naik data, fail CSV
Termasuk perpustakaan dan membaca fail CSV
Cetak hasil dan paparkan plot taburan
Lihat hasil
Rumah pembangunan bahagian belakang Tutorial Python Bagaimana untuk membuat plot serakan asas menggunakan Python-Plotly?

Bagaimana untuk membuat plot serakan asas menggunakan Python-Plotly?

Aug 31, 2023 pm 01:37 PM
python plotly Petak berselerak

Kadangkala tugasnya adalah untuk menganalisis set data dan menggambarkan data menggunakan carta atau plot. Plotly ialah perpustakaan grafik sumber terbuka yang hebat yang boleh digunakan dengan Python untuk membuat pelbagai plot dan carta dengan cepat dan mudah. Dalam artikel ini, menggunakan dua contoh berbeza, anda menggunakan pustaka Python yang dipanggil Plotly dengan kod Python untuk merancang plot serakan. Dalam contoh pertama, Python yang dipasang dalam sistem komputer digunakan untuk menjalankan program Python yang ditulis untuk membuat plot serakan. Contoh lain, menggunakan Google Colab, menunjukkan cara anda masih boleh menggunakan Python dan Plotly dan membuat plot serakan tanpa Python dipasang pada komputer anda. Dalam kedua-dua contoh, set data sumber terbuka Kaggle digunakan untuk analisis dan visualisasi data.

Fail IRIS.csv digunakan

sepal_length,sepal_width,petal_length,petal_width,species
5.1,3.5,1.4,0.2,Iris-setosa
4.9,3,1.4,0.2,Iris-setosa
4.7,3.2,1.3,0.2,Iris-setosa
4.6,3.1,1.5,0.2,Iris-setosa
5,3.6,1.4,0.2,Iris-setosa
5.4,3.9,1.7,0.4,Iris-setosa
4.6,3.4,1.4,0.3,Iris-setosa
5,3.4,1.5,0.2,Iris-setosa
4.4,2.9,1.4,0.2,Iris-setosa
…….., ….., ……, ……., ……..
Salin selepas log masuk

Fail CSV ini mengandungi lima lajur bernama sepal_length, sepal_width, petal_length, petal_width dan spesis. Antaranya, kita akan menggunakan sepal_width dan petal_width sebagai plot serakan dalam contoh 1 dan sepal_length dan petal_length sebagai plot serakan dalam contoh 2.

Contoh 1: Membuat Scatter Plot menggunakan Python dan Plotly

Langkah reka bentuk dan pengekodan

  • Langkah 1 - Pertama import panda dan lukis. Plotly, perpustakaan grafik sumber terbuka untuk Python, akan digunakan untuk membuat plot serakan.

  • Langkah 2 - Sekarang baca fail IRIS.csv kerana set data yang diberikan di sini akan digunakan untuk membuat plot serakan.

  • Langkah 3 - Buat dff bingkai data dan paparkan lajur dan kandungan bingkai data itu.

  • Langkah 4 - Lukis plot serakan menggunakan fungsi serakan() dan nyatakan sepal_width untuk paksi-x dan petal_width untuk paksi-y.

  • Langkah 5 - Tetapkan gaya penanda, seperti saiz dan warna.

  • Langkah 6 - Tulis fungsi untuk memaparkan plot serakan. Jalankan program menggunakan tetingkap cmd. Graf akan dibuka dalam tab baharu dalam penyemak imbas anda.

Contoh 2: Membuat Scatter Plot menggunakan Python dan Plotly di Google Colab

Langkah reka bentuk dan pengekodan

  • Langkah 1 - Log masuk dengan Akaun Google anda. Pergi ke Google Colab. Buka Buku Nota Colab baharu dan tulis kod Python di dalamnya.

  • Langkah 2 - Muat naik fail IRIS.csv yang dimuat turun dan disimpan daripada Kaggle menggunakan pautan yang diberikan dalam Contoh 1 kerana set data yang diberikan di sini akan digunakan untuk membuat plot serakan.

  • Langkah 3 - Sekarang import panda dan lukis. Plotly, perpustakaan grafik sumber terbuka untuk Python, akan digunakan untuk membuat plot serakan.

  • Langkah 4 - Buat dff bingkai data dan paparkan lajur dan kandungan bingkai data itu.

  • Langkah 5 - Gunakan fungsi serakan() untuk melukis plot serakan dan tentukan panjang_petal untuk paksi-x dan panjang_sepal untuk paksi-y.

  • Langkah 6 - Tulis fungsi untuk memaparkan plot serakan. Jalankan program dengan mengklik butang main pada unit kod yang diberikan. Semak keputusan kerana ia akan dipaparkan dalam buku nota Colab.

Contoh 1: Membuat Scatter Plot menggunakan Python dan Plotly

Simpan fail data/fail csv yang diperlukan untuk analisis data

Untuk membuat plot taburan, kami akan menggunakan data yang tersedia pada Kaggle. Log masuk ke Kaggle dan muat turun fail CSV dari pautan ini -

Buat fail bernama Scatter.py. Tulis kod berikut dalam fail ini

#include the required libraries
import pandas as pd

#This library is needed to make the scatter plot
import plotly.express as pxx

#read the CSV file and make a dataframe
dff = pd.read_csv("IRIS.csv")

#print the columns and data 

print(dff.head())

#make the scatter plot
figg = pxx.scatter(dff, x="sepal_width", y="petal_width")

#set the properties of the scatter plot
figg.update_traces(marker=dict(size=12, line=dict(width=2, color="red")), selector=dict(mode='markers'))

#display the chart
figg.show()
Salin selepas log masuk

Jalankan fail Python dalam tetingkap baris arahan

Bagaimana untuk membuat plot serakan asas menggunakan Python-Plotly?

Lihat hasil - Contoh 1

Bagaimana untuk membuat plot serakan asas menggunakan Python-Plotly?

Contoh 1: Membuat plot taburan menggunakan Python di Google Colab

Muat naik data, fail CSV

#Uploading the csv
from google.colab import dfiles
data_to_load = dfiles.upload() 
Salin selepas log masuk

Termasuk perpustakaan dan membaca fail CSV

import pandas as pdd
import plotly.express as pxx

dff = pdd.read_csv("IRIS.csv")
Salin selepas log masuk

Cetak hasil dan paparkan plot taburan

print(dff.head())
figg = pxx.scatter(dff, x="petal_length", y="sepal_length")
figg.show()  
Salin selepas log masuk

Lihat hasil

Bagaimana untuk membuat plot serakan asas menggunakan Python-Plotly?

Dalam artikel Python dan Plotly ini, dua contoh berbeza diberikan tentang cara membuat plot serakan menggunakan perpustakaan Python yang dipanggil Plotly. Pertama, kaedah memuat turun dan menyimpan set data daripada Kaggle untuk analisis diberikan. Kemudian tulis program Python untuk merancang plot serakan menggunakan fungsi dalam Plotly. Dalam contoh kedua, tulis program Python menggunakan Google Colab dan buat plot taburan menggunakan perpustakaan yang sama dan set data yang sama.

Atas ialah kandungan terperinci Bagaimana untuk membuat plot serakan asas menggunakan Python-Plotly?. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Kenyataan Laman Web ini
Kandungan artikel ini disumbangkan secara sukarela oleh netizen, dan hak cipta adalah milik pengarang asal. Laman web ini tidak memikul tanggungjawab undang-undang yang sepadan. Jika anda menemui sebarang kandungan yang disyaki plagiarisme atau pelanggaran, sila hubungi admin@php.cn

Alat AI Hot

Undresser.AI Undress

Undresser.AI Undress

Apl berkuasa AI untuk mencipta foto bogel yang realistik

AI Clothes Remover

AI Clothes Remover

Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.

Undress AI Tool

Undress AI Tool

Gambar buka pakaian secara percuma

Clothoff.io

Clothoff.io

Penyingkiran pakaian AI

AI Hentai Generator

AI Hentai Generator

Menjana ai hentai secara percuma.

Alat panas

Notepad++7.3.1

Notepad++7.3.1

Editor kod yang mudah digunakan dan percuma

SublimeText3 versi Cina

SublimeText3 versi Cina

Versi Cina, sangat mudah digunakan

Hantar Studio 13.0.1

Hantar Studio 13.0.1

Persekitaran pembangunan bersepadu PHP yang berkuasa

Dreamweaver CS6

Dreamweaver CS6

Alat pembangunan web visual

SublimeText3 versi Mac

SublimeText3 versi Mac

Perisian penyuntingan kod peringkat Tuhan (SublimeText3)

PHP dan Python: Contoh dan perbandingan kod PHP dan Python: Contoh dan perbandingan kod Apr 15, 2025 am 12:07 AM

PHP dan Python mempunyai kelebihan dan kekurangan mereka sendiri, dan pilihannya bergantung kepada keperluan projek dan keutamaan peribadi. 1.PHP sesuai untuk pembangunan pesat dan penyelenggaraan aplikasi web berskala besar. 2. Python menguasai bidang sains data dan pembelajaran mesin.

Python vs JavaScript: Komuniti, Perpustakaan, dan Sumber Python vs JavaScript: Komuniti, Perpustakaan, dan Sumber Apr 15, 2025 am 12:16 AM

Python dan JavaScript mempunyai kelebihan dan kekurangan mereka sendiri dari segi komuniti, perpustakaan dan sumber. 1) Komuniti Python mesra dan sesuai untuk pemula, tetapi sumber pembangunan depan tidak kaya dengan JavaScript. 2) Python berkuasa dalam bidang sains data dan perpustakaan pembelajaran mesin, sementara JavaScript lebih baik dalam perpustakaan pembangunan dan kerangka pembangunan depan. 3) Kedua -duanya mempunyai sumber pembelajaran yang kaya, tetapi Python sesuai untuk memulakan dengan dokumen rasmi, sementara JavaScript lebih baik dengan MDNWebDocs. Pilihan harus berdasarkan keperluan projek dan kepentingan peribadi.

Cara menjalankan program di terminal vscode Cara menjalankan program di terminal vscode Apr 15, 2025 pm 06:42 PM

Dalam kod VS, anda boleh menjalankan program di terminal melalui langkah -langkah berikut: Sediakan kod dan buka terminal bersepadu untuk memastikan bahawa direktori kod selaras dengan direktori kerja terminal. Pilih arahan Run mengikut bahasa pengaturcaraan (seperti python python your_file_name.py) untuk memeriksa sama ada ia berjalan dengan jayanya dan menyelesaikan kesilapan. Gunakan debugger untuk meningkatkan kecekapan debug.

Bolehkah kod studio visual digunakan dalam python Bolehkah kod studio visual digunakan dalam python Apr 15, 2025 pm 08:18 PM

Kod VS boleh digunakan untuk menulis Python dan menyediakan banyak ciri yang menjadikannya alat yang ideal untuk membangunkan aplikasi python. Ia membolehkan pengguna untuk: memasang sambungan python untuk mendapatkan fungsi seperti penyempurnaan kod, penonjolan sintaks, dan debugging. Gunakan debugger untuk mengesan kod langkah demi langkah, cari dan selesaikan kesilapan. Mengintegrasikan Git untuk Kawalan Versi. Gunakan alat pemformatan kod untuk mengekalkan konsistensi kod. Gunakan alat linting untuk melihat masalah yang berpotensi lebih awal.

Penjelasan terperinci mengenai Prinsip Docker Penjelasan terperinci mengenai Prinsip Docker Apr 14, 2025 pm 11:57 PM

Docker menggunakan ciri -ciri kernel Linux untuk menyediakan persekitaran berjalan yang cekap dan terpencil. Prinsip kerjanya adalah seperti berikut: 1. Cermin digunakan sebagai templat baca sahaja, yang mengandungi semua yang anda perlukan untuk menjalankan aplikasi; 2. Sistem Fail Kesatuan (Unionfs) menyusun pelbagai sistem fail, hanya menyimpan perbezaan, menjimatkan ruang dan mempercepatkan; 3. Daemon menguruskan cermin dan bekas, dan pelanggan menggunakannya untuk interaksi; 4. Ruang nama dan cgroups melaksanakan pengasingan kontena dan batasan sumber; 5. Pelbagai mod rangkaian menyokong interkoneksi kontena. Hanya dengan memahami konsep -konsep teras ini, anda boleh menggunakan Docker dengan lebih baik.

Adakah sambungan vscode berniat jahat? Adakah sambungan vscode berniat jahat? Apr 15, 2025 pm 07:57 PM

Sambungan kod VS menimbulkan risiko yang berniat jahat, seperti menyembunyikan kod jahat, mengeksploitasi kelemahan, dan melancap sebagai sambungan yang sah. Kaedah untuk mengenal pasti sambungan yang berniat jahat termasuk: memeriksa penerbit, membaca komen, memeriksa kod, dan memasang dengan berhati -hati. Langkah -langkah keselamatan juga termasuk: kesedaran keselamatan, tabiat yang baik, kemas kini tetap dan perisian antivirus.

Boleh kod vs dijalankan di Windows 8 Boleh kod vs dijalankan di Windows 8 Apr 15, 2025 pm 07:24 PM

Kod VS boleh dijalankan pada Windows 8, tetapi pengalaman mungkin tidak hebat. Mula -mula pastikan sistem telah dikemas kini ke patch terkini, kemudian muat turun pakej pemasangan kod VS yang sepadan dengan seni bina sistem dan pasangnya seperti yang diminta. Selepas pemasangan, sedar bahawa beberapa sambungan mungkin tidak sesuai dengan Windows 8 dan perlu mencari sambungan alternatif atau menggunakan sistem Windows yang lebih baru dalam mesin maya. Pasang sambungan yang diperlukan untuk memeriksa sama ada ia berfungsi dengan betul. Walaupun kod VS boleh dilaksanakan pada Windows 8, disyorkan untuk menaik taraf ke sistem Windows yang lebih baru untuk pengalaman dan keselamatan pembangunan yang lebih baik.

Python: Automasi, skrip, dan pengurusan tugas Python: Automasi, skrip, dan pengurusan tugas Apr 16, 2025 am 12:14 AM

Python cemerlang dalam automasi, skrip, dan pengurusan tugas. 1) Automasi: Sandaran fail direalisasikan melalui perpustakaan standard seperti OS dan Shutil. 2) Penulisan Skrip: Gunakan Perpustakaan Psutil untuk memantau sumber sistem. 3) Pengurusan Tugas: Gunakan perpustakaan jadual untuk menjadualkan tugas. Kemudahan penggunaan Python dan sokongan perpustakaan yang kaya menjadikannya alat pilihan di kawasan ini.

See all articles