plotly-express-1-爱上可视化神器plotly_e

作者: 皮皮大 | 来源:发表于2020-07-05 10:01 被阅读0次

plotly-express-1-爱上可视化神器plotly_e
高级可视化神器Plotly玩转气泡图
高级可视化神器Plotly玩转柱状图
《演员请就位》微博热搜指数排行榜
R数据可视化－动态、交互式地图神器（三）符号标记
plotly_express
深度学习（6）tensorflow-summary for te
为什么plotly被称为“有史以来最牛逼”可视化神器？
工具类网站
一个让你爱上写作到无法自拔的神器

一文爱上可视化神器plotly_express，目前使用和见识过最棒的可视化库。必须爱上它❤️

什么是plotly_express

首先，我们看看官网上对plotly_express的定义：

Plotly Express is the easy-to-use, high-level interface to Plotly, which operates on "tidy" data and produces easy-to-style figures.

Every Plotly Express function returns a graph_objects.Figure object whose data and layout has been pre-populated according to the provided arguments.

Plotly Express 是一个新的高级 Python 可视化库：它是 Plotly.py 的高级封装，它为复杂的图表提供了一个简单的语法，内置了大量实用、现代的绘图模板，用户只需调用简单的API函数，即可快速生成漂亮的互动图表。

安装与使用

安装非常简单，使用pip命令即可

使用的时候，导入import之后一般是用px别名

pip install plotly_express   # 安装
import plotly_express as px  # 导入

内置数据

px中有几个内置数据，可以供用户使用

image

比如使用其中著名的iris数据，见如下的使用方法：

image

使用内置数据集Gapminder

如何使用内置数据集

选择数据

gapminder = px.data.gapminder()
gapminder.head()

image

查看属性

image

line图

设置线条类型

# line 图
fig = px.line(gapminder,x="year",y="lifeExp",color="continent",line_group="continent",
              hover_name="country",line_shape="spline",render_mode="svg")
fig.show()

image.png

堆积区域图area

# area 图
fig = px.area(gapminder,x="year",y="pop",color="continent",line_group="country")
fig.show()

image

散点图

散点图是最简单的图形，有两个属性即可作图。下面的color属性表示颜色根据哪个属性

gapminder2007 = gapminder.query("year==2007")
px.scatter(gapminder2007,x="gdpPercap",y="lifeExp")

注意各个参数的含义

image

改变每个点的大小-size

px.scatter(gapminder2007,x="gdpPercap",y="lifeExp"
           ,color="continent"  # 区分颜色
           ,size="pop"   # 区分圆的大小
           ,size_max=60)

image

悬停参数-hover_name

px.scatter(gapminder2007
           ,x="gdpPercap"
           ,y="lifeExp"
           ,color="continent"  # 区分颜色
           ,size="pop"   # 区分圆的大小
           ,size_max=60
           ,hover_name="country"
           ,log_x=True)

image

分块facet_col+滚动条animation_frame

px.scatter(gapminder   # 绘图使用的数据
           ,x="gdpPercap" # 横纵坐标使用的数据
           ,y="lifeExp"
           ,color="continent"  # 区分颜色的属性
           ,size="pop"   # 区分圆的大小
           ,size_max=60  # 圆的最大值
           ,hover_name="country"  # 图中可视化最上面的名字
           ,animation_frame="year"  # 横轴滚动栏的属性year
           ,animation_group="country"
           ,facet_col="continent"   # 按照国家country属性进行分格显示
           ,log_x=True
           ,range_x=[100,100000]
           ,range_y=[25,90]
           ,labels=dict(pop="Populations",  # 属性名字的变化，更直观
                       gdpPercap="GDP per Capital",
                       lifeExp="Life Expectancy"))

image

地理图

choropleth-面分布图

fig = px.choropleth(gapminder,locations="iso_alpha",color="lifeExp",
             hover_name="country",animation_frame="year",
             range_color=[20,80],projection="natural earth")
fig.show()

image

scatter_geo地图_点分布

fig = px.scatter_geo(gapminder,locations="iso_alpha",
                     color="continent",hover_name="country",
                     size="pop",animation_frame="year",
                     projection="natural earth")

fig.show()

image

去掉projection参数，看不同的效果

px.scatter_geo(gapminder,locations="iso_alpha",color="continent",hover_name="country",size="pop",animation_frame="year"
#,projection="natural earth"   # 去掉projection参数
)

image

line_geo-线型地理图

image

使用内置数据集iris

查看文档并导入数据

# 查看数据文档
print(px.data.iris.__doc__)

# 导入数据集
iris = px.data.iris()
iris 

# 查看属性
iris["species"].value_counts()

image

绘制散点图

# 如何知道每个点的种类：指定颜色参数color="species"
px.scatter(iris,x="sepal_width",y="sepal_length",color="species")

image

联合分布图（散点图+直方图）

上方增加直方图，右方增加细条图

px.scatter(iris,x="sepal_width",y="sepal_length",color="species",
           marginal_x="histogram",marginal_y="rug"  # 主要是这两个参数决定
          )

image

violin-小提琴图

px.scatter(iris,x="sepal_width",y="sepal_length",color="species"
           ,marginal_y="violin",marginal_x="box"    # 定义两个属性
           ,trendline="ols"  # 显示数据的变化趋势
          )

image.png

SPLOM-散点矩阵图

这个图真的是非常棒，一条语句可以直接生成矩阵图

image

平行坐标图

px.parallel_coordinates(iris,color="species_id",labels={"species_id":"Species",
                                                       "sepal_width":"Sepal Width",
                                                       "sepal_length":"Sepal Length",
                                                       "petal_length":"Petal Length",
                                                       "petal_width":"Petal Width"},
                       color_continuous_scale=px.colors.diverging.Tealrose,
                       color_continuous_midpoint=2)

image

箱体误差图

在上下分别加上误差值

# 对当前值加上下两个误差值
iris["e"] = iris["sepal_width"] / 100
px.scatter(iris,x="sepal_width",y="sepal_length",color="species",error_x="e",error_y="e")

image

等密度线图density_contour

px.density_contour(iris,x="sepal_width",y="sepal_length",color="species")

[站外图片上传中...(image-90cadd-1593914392458)]

等密度线图加上其他的图

px.density_contour(iris,x="sepal_width",y="sepal_length",color="species",
                  marginal_x="rug",marginal_y="histogram"   # 在密度图的基础上，指定另外两种图形
                  )

image

密度热力图density_heatmap

px.density_heatmap(iris,x="sepal_width",y="sepal_length",
                  marginal_y="rug",marginal_x="histogram"   # 在密度图的基础上，指定另外两种图形
                  )

image

小费tips实例

image

散点图

根据性别的不同进行分类作图

# 根据性别属性进行分类作图
fig = px.scatter(tips,x="total_bill",y="tip",color="size",render_mode="webgl",
                facet_col="sex",color_continuous_scale=px.colors.sequential.Viridis)
fig.show()

[站外图片上传中...(image-7c13a7-1593914392458)]

并行类别图

fig = px.parallel_categories(tips,color="size",color_continuous_scale=px.colors.sequential.Inferno)
fig.show()

[站外图片上传中...(image-153026-1593914392458)]

Bar-柱状图

image

多重属性的柱状图

fig = px.bar(tips,x="sex",y="total_bill",color="smoker",barmode="group"
      ,facet_row="time",facet_col="day",category_orders={"day": ["Thur","Fri","Sat","Sun"],"time":["Lunch", "Dinner"]})
fig.show()

image

Histogram-直方图

px.histogram(tips,x="sex",y="tip",histfunc="avg",color="smoker",barmode="group",
            facet_row="time",facet_col="day",category_orders={"day":["Thur","Fri","Sat","Sun"],
                                                             "time":["Lunch","Dinner"]})

image

box-箱型图

# notched=True显示连接处的锥形部分
px.box(tips,x="day",y="total_bill",color="smoker",notched=True)

image

如果不加notched参数，则连接处则会是矩形，而不是锥形

image

violin-小提琴图

px.violin(tips,x="smoker",y="tip",color="sex",box=True   # box是显示内部的箱体
          ,points="all",hover_data=tips.columns  # 结果中显示全部数据
         )

image

3D图形绘制

使用的是election数据集

image

散点3D图

fig = px.scatter_3d(election,x="Joly",y="Coderre",z="Bergeron"  # 指定3个轴
                    ,color="winner",size="total",hover_name="district_id"  # 指定颜色种类、大小和显示名称
                    ,symbol="result"  # 右边的圆形和菱形
                    ,color_discrete_map={"Joly":"blue","Bergeron":"green","Coderre":"red"}   # 改变默认颜色
                   )
fig.show()

image

line-3D图

px.line_3d(election,x="Joly",y="Coderre",z="Bergeron",color="winner",line_dash="winner")

image

)

极坐标图-内置数据wind

使用的数据是wind

image

scatter-polar散点极坐标

fig = px.scatter_polar(wind,r="frequency",theta="direction",color="strength",symbol="strength"
                      ,color_discrete_sequence=px.colors.sequential.Plasma_r)
fig.show()

image

line_polar线性极坐标

fig = px.line_polar(wind,r="frequency",theta="direction",color="strength",line_close=True
                      ,color_discrete_sequence=px.colors.sequential.Plasma_r)
fig.show()

image

bar_polar柱状极坐标

fig = px.bar_polar(wind,r="frequency",theta="direction",color="strength",template="plotly_dark"
                  ,color_discrete_sequence=px.colors.sequential.Plasma_r)
fig.show()

image

颜色面板和序列

在px库中，px.colors模块中有很多可用的色标和序列：定性的、序列型的、离散的、循环等。

px.colors.qualitative.swatches()

image

px.colors.sequential.swatches()  # 部分截图

image

主题

主题允许用户控制图形范围的设置，包含边距、字体、背景颜色、刻度定位等。px内置的主题有3种：

plotly
plotly_white
plotly_dark

px.scatter(iris,x="sepal_width",y="sepal_length",color="species",marginal_x="box",
          marginal_y="histogram",height=600,trendline="ols",template="plotly")

image

px.scatter(iris,x="sepal_width",y="sepal_length",color="species",marginal_x="box",
          marginal_y="histogram",height=600,trendline="ols",template="plotly_white")

image

px.scatter(iris,x="sepal_width",y="sepal_length",color="species",marginal_x="box",
          marginal_y="histogram",height=600,trendline="ols",template="plotly_dark")

image

参数详解

以散点图为例，对绘制的参数进行解释

定义

def scatter(data_frame, x=None, y=None, color=None, symbol=None, size=None, 
            hover_name=None, hover_data=None, text=None, facet_row=None, 
            facet_col=None, error_x=None, error_x_minus=None, error_y=None, 
            error_y_minus=None, animation_frame=None, animation_group=None, 
            category_orders={}, labels={}, color_discrete_sequence=None, 
            color_discrete_map={}, color_continuous_scale=None, 
            range_color=None, color_continuous_midpoint=None, 
            symbol_sequence=None, symbol_map={}, opacity=None,
            size_max=None, marginal_x=None, marginal_y=None, trendline=None,
            trendline_color_override=None, log_x=False, log_y=False,
            range_x=None, range_y=None, render_mode='auto', title=None, 
            template=None, width=None, height=None):

    return

参数解释

data_frame：目标数据，类型为dataframe；
x ：指定列名。列中的值用于笛卡尔坐标中沿 X 轴的定位标记。图表类型为水平柱状图时，这些值用作参数histfunc的入参；
y ：指定列名。列中的值用于笛卡尔坐标中沿 Y 轴的定位标记。图表类型为垂直柱状图时，这些值用作参数histfunc的入参；
color：指定列名。为列中的不同值，(由px)自动匹配不同的标记颜色；若列为数值数据时，还会自动生成连续色标；
symbol：指定列名。为列中的不同值，设置不同的标记形状；
size：指定列名。为列中的不同值，设置不同的标记大小；
hover_name：指定列名。将列中的值，加粗显示在悬停提示内容的正上方；
hover_data：指定列名组成的列表。所有列的值，显示在悬停提示内容中，位于x/y值的下方。指定的列与x/y重复时仅显示1条数据；
text：指定列名。列中的值，在图的标记中显示为文本标签，同时也显示在悬停提示内容中；
facet_row：指定列名。根据列中不同的(N个)值，在垂直方向上显示N个子图，并在子图右侧，垂直方向上，进行文本标注；
facet_col：指定列名。根据列中不同的(N个)值，在水平方向上显示N个子图，并在子图上方，水平方向上，进行文本标注；
error_x：指定列名。显示误差线，列中的值用于调整 X 轴误差线的大小。如果参数error_x_minus == None，则悬停提示内容中，显示对称的误差值；否则显示正向的误差值。该列通常是基于元数据加工的结果，目的是统计元数据指标的误差值，一般会用元数据除以100的整数倍。
error_x_minus：指定列名。列中的值用于在负方向调整 X 轴误差线的大小，如果参数error_x==None，则直接忽略该参数；
error_y：指定列名。显示误差线，列中的值用于调整 Y 轴误差线的大小。如果参数error_y_minus == None，则悬停提示内容中，显示对称的误差值；否则显示正向的误差值。该列通常是基于元数据加工的结果，目的是统计元数据指标的误差值，一般会用元数据除以100的整数倍。
error_y_minus：指定列名。列中的值用于在负方向调整 Y 轴误差线的大小，如果参数error_y==None，则直接忽略该参数；
animation_frame：指定列名。列中的值用于为动画帧指定标记，即设置滑动条；
animation_group：指定列名。列中的值用于提供跨动画帧的联动匹配；
category_orders：带有字符串键和字符串列表值的字典，默认为{}，此参数用于强制每列的特定值排序，dict键是列名，dict值是指定的排列顺序的字符串列表。默认情况下，在Python 3.6+中，轴，图例和构面中的分类值的顺序取决于在data_frame中首次出现的顺序，而在3.6以下的Python中，默认不保证顺序，该参数即为解决此类问题而设计；
labels：带字符串键和字符串值的dict，默认为{}。此参数用于修改图表中显示的列名称。默认情况下，图表中使用列名称作为轴标题、图例条目、悬停提示等，此参数可以进行修改，dict的键是列名，dict值是修改的新名称；
color_discrete_sequence：有效的CSS颜色字符串列表，取自plotly_express的color子模块。当参数color指定的列不是数值数据时，该参数为color列指定颜色序列，若category_orders参数不为None，则按category_orders中设定的顺序循环执行color_discrete_sequence，除非color列的值在参数color_discrete_map入参的dict键中；
color_discrete_map：带字符串键和有效CSS颜色字符串值的dict，默认为{}。当参数color指定的列不是数值数据时，该参数用于将特定颜色分配给，与特定值对应的标记，color_discrete_map中的键为color表示的列值。其优先级高，会覆盖color_discrete_sequence参数中的设置；
color_continuous_scale：有效的CSS颜色字符串列表，取自plotly_express的color子模块。当参数color指定的列是数值数据时，为连续色标，设置指定的颜色序列。实际上，color指定列时，px会自动匹配颜色：1）若指定列是数值数据，通过参数color_continuous_scale可以设定具体的颜色序列；2）若指定列是非数值数据时，通过参数color_discrete_sequence可以设定具体的颜色序列(循环匹配)；通过参数color_discrete_map可以为列中不同值，指定具体的颜色；
range_color：2个数字元素组成的列表，参数用于设定连续色标上的自动缩放，即边界的大小值；
color_continuous_midpoint：数字，默认为无。如果设置，则计算连续色标的边界以具有所需的中点。若使用plotly_express.colors.diverging色标作为color_continuous_scale的如参时，建议设置此值；
symbol_sequence：定义plotly.js符号的字符串列表。参数用于为列中的值分配符号，除非symbol的值是symbol_map中的键。分配符号的顺序：按按category_orders中设置的顺序循环执行；
symbol_map：带字符串键和定义plotly.js符号的字符串值的dict，默认值{}。该参数用于将特定符号分配给，与特定值对应的标记，symbol_map中的键为symbol表示的列值。其优先级高，会覆盖symbol_sequence参数中的设置；
opacity：数字，介于0和1之间，设置标记的不透明度；
size_max：整数，默认为20。使用size参数时，设置最大标记的大小；
marginal_x：字符串，取值：rug(细条)、box(箱图)、violin(小提琴图)、histogram(直方图)。该参数用于在主图上方，绘制一个水平子图，以便对x分布，进行可视化；
marginal_y：字符串，取值：rug(细条)、box(箱图)、violin(小提琴图)、histogram(直方图)。该参数用于在主图右侧，绘制一个垂直子图，以便对y分布，进行可视化；
trendline：字符串，取值：ols、lowess、None。取值为ols时，将为每个离散颜色/符号组，绘制一个普通最小二乘回归线；取值为lowess时，则将为每个离散颜色/符号组，绘制局部加权散点图平滑线；
trendline_color_override：字符串，有效的CSS颜色。如果设置了参数trendline趋势线，则将以此颜色绘制所有趋势线；
log_x：布尔值，默认为False。如果为True，则 X 轴在笛卡尔坐标系中进行对数缩放；
log_y：布尔值，默认为False。如果为True，则 Y 轴在笛卡尔坐标系中进行对数缩放；
range_x：2个数字元素组成的列表，用于设定笛卡尔坐标中 X 轴上的自动缩放，即边界的大小值；
range_y：2个数字元素组成的列表，用于设定笛卡尔坐标中 Y 轴上的自动缩放，即边界的大小值；
render_mode：字符串，取值：auto(默认)、svg、webgl。用于控制绘制标记的浏览器API，svg适用于少于1000的数据，并允许完全矢量化输出；webgl可以接收1000点以上的数据；auto使用启发式方法来选择模式；
title：字符串，设置图表的标题；
template：字符串或Plotly.py模板对象，设置图表的背景颜色。有三个内置的 Plotly 主题： plotly， plotly_white 和 plotly_dark；
width：整数，默认无，设置图表的宽度（以像素为单位）；
height：整数，默认600，设置图表的高度（以像素为单位）；

其他作图方法的作图参数类似

参考资料

可视化神器plotly_express详解

API详解

Plotly_express in python

plotly-express-1-爱上可视化神器plotly_e
一文爱上可视化神器plotly_express，目前使用和见识过最棒的可视化库。必须爱上它❤️ 目录：下面的所有...
高级可视化神器Plotly玩转气泡图
可视化神器Plotly玩转气泡图本文是可视化神器Plotly绘图的第6篇：将会重点讲解如何通过Plotly绘制气...
高级可视化神器Plotly玩转柱状图
可视化神器Plotly玩转柱状图本文是可视化神器Plotly绘图的第5篇：重点讲解如何利用Plotly绘制柱状图...
《演员请就位》微博热搜指数排行榜
一、动态可视化神器——FlourishFlourish可轻松实现静态/动态数据可视化，官方网站https://ap...
R数据可视化－动态、交互式地图神器（三）符号标记
Leaflet/LeafletCN 系列 R数据可视化－动态、交互式地图神器（一）概述与实现R数据可视化－动态、交...
plotly_express
https://plot.ly/python/plotly-express/ Python 可视化神器：Plotl...
深度学习（6）tensorflow-summary for te
tensorboard 作为一款可视化神器，可以说是学习tensorflow时模型训练以及参数可视化的法宝。而在...
为什么plotly被称为“有史以来最牛逼”可视化神器？
Plotly，一个用于做分析和可视化的在线平台，曾被网友称为“有史以来最牛逼”可视化神器（具体无从考据，只是在搜索...
工具类网站
可视化在线flash网站地图可视化生成器 AI智能无损放大图片极简在线样机神器在线视频编辑萌萌的图表生成器...
一个让你爱上写作到无法自拔的神器
最近发现了一款神器，让我爱上了写东西，爱上了随时随地写东西的感觉。不写还不舒服。这款神器呢，也许太常用了，以至于就...

plotly-express-1-爱上可视化神器plotly_e

目录

什么是plotly_express

安装与使用

内置数据

使用内置数据集Gapminder

如何使用内置数据集

选择数据

查看属性

line图

堆积区域图area

散点图

悬停参数-hover_name

分块facet_col+滚动条animation_frame

地理图

choropleth-面分布图

scatter_geo地图_点分布

line_geo-线型地理图

使用内置数据集iris

绘制散点图

联合分布图（散点图+直方图）

violin-小提琴图

SPLOM-散点矩阵图

平行坐标图

箱体误差图

等密度线图density_contour

密度热力图density_heatmap

小费tips实例

散点图

并行类别图

Bar-柱状图

Histogram-直方图

box-箱型图

violin-小提琴图

3D图形绘制

散点3D图

line-3D图

极坐标图-内置数据wind

scatter-polar散点极坐标

line_polar线性极坐标

bar_polar柱状极坐标

颜色面板和序列

主题

参数详解

定义

参数解释

参考资料

相关文章

网友评论

延伸阅读

深度阅读

栏目导航

热点阅读