用Plotly畫出炫酷的數(shù)據(jù)可視化圖表

---

大家好，歡迎來到 Crossin的編程教室 ！

在談及數(shù)據(jù)可視化的時(shí)候，我們通常都會(huì)使用到matplotlylib，pyecharts這些可視化的手段。今天我們來介紹另一款同樣優(yōu)秀的可視化庫(kù)：

Plotly

開源項(xiàng)目地址：

https://github.com/plotly/plotly.js

這個(gè)庫(kù)是使用js寫的前端，所以畫出來的圖非常的漂亮，不像matplotlylib畫出來的那么生硬。plotly提供了Python的支持庫(kù),使用pip直接安裝就可以：

pip install plotly

在python里面使用plotly畫圖非常的簡(jiǎn)單，我們先來看一個(gè)簡(jiǎn)單的柱狀圖例子：

import plotly.graph_objects as go
animals=['giraffes', 'orangutans', 'monkeys']

fig = go.Figure(data=[
    go.Bar(name='SF Zoo', x=animals, y=[20, 14, 23]),
    go.Bar(name='LA Zoo', x=animals, y=[12, 18, 29])
])
# Change the bar mode
fig.update_layout(barmode='group')
fig.show()

使用起來非常的方便，和matplotlylib畫圖步驟很像。

下面我們?cè)賮砜纯匆唤M關(guān)于個(gè)性化顯示的例子。

利用plotly express自帶的數(shù)據(jù)集，畫一個(gè)簡(jiǎn)單的柱狀圖：

import plotly.express as px
data_canada = px.data.gapminder().query("country == 'Canada'")
fig = px.bar(data_canada, x='year', y='pop')
fig.show()

這樣的圖看上去還是比較素，我們可以使用參數(shù)來自定義條形圖的樣式：

import plotly.express as px
data = px.data.gapminder()

data_canada = data[data.country == 'Canada']
fig = px.bar(data_canada, x='year', y='pop',
             hover_data=['lifeExp', 'gdpPercap'], color='lifeExp',
             labels={'pop':'population of Canada'}, height=400)
fig.show()

調(diào)整樣式后會(huì)明顯發(fā)現(xiàn)數(shù)據(jù)展示會(huì)友好很多，能夠清楚的看到數(shù)據(jù)的增長(zhǎng)程度。

除了柱狀圖之外還有其他的散點(diǎn)圖，折線圖，餅狀圖，條形圖，箱型圖等等（也包含一些熱圖，登高圖，地圖分布等等）。

下面，我們使用Python畫一些Plolty基本圖的Demo：

（大家如果有需要用Plotly的建議收藏哦?。?/span>

散點(diǎn)圖

散點(diǎn)圖核心的價(jià)值在于發(fā)現(xiàn)變量之間的關(guān)系，千萬不要簡(jiǎn)單地將這個(gè)關(guān)系理解為線性回歸關(guān)系。變量間的關(guān)系有很多，如線性關(guān)系、指數(shù)關(guān)系、對(duì)數(shù)關(guān)系等等，當(dāng)然，沒有關(guān)系也是一種重要的關(guān)系。散點(diǎn)圖更偏向于研究型圖表，能讓我們發(fā)現(xiàn)變量之間隱藏的關(guān)系為我們決策作出重要的引導(dǎo)作用。

import plotly.express as px
fig = px.scatter(x=[0, 1, 2, 3, 4], y=[0, 1, 4, 9, 16])
fig.show()

import plotly.express as px
df = px.data.iris()  # px自帶數(shù)據(jù)集
fig = px.scatter(df, x="sepal_width", y="sepal_length", color="species",
                 size='petal_length', hover_data=['petal_width'])
fig.show()

折線圖

折線圖可以顯示隨時(shí)間（根據(jù)常用比例設(shè)置）而變化的連續(xù)數(shù)據(jù)，因此非常適用于顯示在相等時(shí)間間隔下數(shù)據(jù)的趨勢(shì)。比如我們經(jīng)?？吹降谋O(jiān)控?cái)?shù)據(jù)圖，一般都是折線圖。

import plotly.graph_objects as go
animals = ['giraffes', 'orangutans', 'monkeys']

fig = go.Figure(data=[
    go.Scatter(name='SF Zoo', x=animals, y=[20, 14, 23]),
    go.Scatter(name='LA Zoo', x=animals, y=[12, 18, 29])
])
fig.show()

import plotly.graph_objects as go
import numpy as np
np.random.seed(1)

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

# Create traces
fig = go.Figure()
fig.add_trace(go.Scatter(x=random_x, y=random_y0,
                    mode='lines',
                    name='lines'))
fig.add_trace(go.Scatter(x=random_x, y=random_y1,
                    mode='lines+markers',
                    name='lines+markers'))
fig.add_trace(go.Scatter(x=random_x, y=random_y2,
                    mode='markers', name='markers'))

fig.show()

餅圖

餅圖主要用于總體中各組成部分所占比重的研究，可以很直觀地分析項(xiàng)目的組成結(jié)構(gòu)與比重，一目了然地進(jìn)行描述重量分成。比如我們統(tǒng)計(jì)各種開銷占總支出多少的時(shí)候，這個(gè)時(shí)候使用餅圖可以很明顯看出開銷的大頭。

import plotly.express as px
# This dataframe has 244 lines, but 4 distinct values for `day`
df = px.data.tips()
fig = px.pie(df, values='tip', names='day')
fig.show()

import plotly.express as px# plotly的自帶數(shù)據(jù)集,類型:DataFrame
df = px.data.gapminder().query("year == 2007").query("continent == 'Europe'")
df.loc[df['pop'] < 2.e6, 'country'] = 'Other countries' # Represent only large countries
fig = px.pie(df, values='pop', names='country', title='Population of European continent')
fig.show()

TreeMap(矩形樹圖)

矩形樹圖適合展現(xiàn)具有層級(jí)關(guān)系的數(shù)據(jù)，能夠直觀體現(xiàn)同級(jí)之間的比較。一個(gè)Tree狀結(jié)構(gòu)轉(zhuǎn)化為平面空間矩形的狀態(tài)，就像一張地圖，指引我們發(fā)現(xiàn)探索數(shù)據(jù)背后的故事。

矩形樹圖采用矩形表示層次結(jié)構(gòu)里的節(jié)點(diǎn)，父子節(jié)點(diǎn)之間的層次關(guān)系用矩形之間的相互嵌套隱喻來表達(dá)。從根節(jié)點(diǎn)開始，屏幕空間根據(jù)相應(yīng)的子節(jié)點(diǎn)數(shù)目被分為多個(gè)矩形，矩形的面積大小通常對(duì)應(yīng)節(jié)點(diǎn)的屬性。每個(gè)矩形又按照相應(yīng)節(jié)點(diǎn)的子節(jié)點(diǎn)遞歸的進(jìn)行分割，知道葉子節(jié)點(diǎn)為止。

import plotly.express as px
fig = px.treemap(
    names = ["Eve","Cain", "Seth", "Enos", "Noam", "Abel", "Awan", "Enoch", "Azura"],
    parents = ["", "Eve", "Eve", "Seth", "Seth", "Eve", "Eve", "Awan", "Eve"]
)
fig.show()

水平柱狀圖

和縱向柱狀圖一樣，都是用來列舉和比較多個(gè)個(gè)體之間的差值，通過柱狀圖的長(zhǎng)短可以很明顯看出數(shù)據(jù)之間的差別。

import plotly.graph_objects as go
# 修改水平參數(shù)即可
fig = go.Figure(go.Bar(
            x=[20, 14, 23],
            y=['giraffes', 'orangutans', 'monkeys'],
            orientation='h'))

fig.show()

箱型圖

箱形圖（Box-plot）又稱為盒式圖或箱線圖，是一種用作顯示一組數(shù)據(jù)分散情況資料的統(tǒng)計(jì)圖。因形狀如箱子而得名。在各種領(lǐng)域也經(jīng)常被使用，常見于品質(zhì)管理。它主要用于反映原始數(shù)據(jù)分布的特征，還可以進(jìn)行多組數(shù)據(jù)分布特征的比較。

import plotly.express as px
df = px.data.tips()
fig = px.box(df, x="time", y="total_bill")
fig.show()

等高線圖

有二維、三維等高線圖。在數(shù)據(jù)分析中，高度表示為該點(diǎn)的數(shù)量或出現(xiàn)次數(shù)，該指標(biāo)相同則在一條環(huán)線（或高度）處。

import plotly.graph_objects as go

fig = go.Figure(data =
    go.Contour(
        z=[[10, 10.625, 12.5, 15.625, 20],
           [5.625, 6.25, 8.125, 11.25, 15.625],
           [2.5, 3.125, 5., 8.125, 12.5],
           [0.625, 1.25, 3.125, 6.25, 10.625],
           [0, 0.625, 2.5, 5.625, 10]]
    ))
fig.show()

熱圖

熱圖是指用熱譜圖展示用戶在網(wǎng)站上的行為。瀏覽量大、點(diǎn)擊量大的地方呈紅色，瀏覽量小、點(diǎn)擊量少的地方呈無色、藍(lán)色。常見熱圖共有點(diǎn)擊熱圖、注意力熱圖、分析熱圖、對(duì)比熱圖、分享熱圖、浮層熱圖和歷史熱圖等七種。

import plotly.express as px
data=[[1, 25, 30, 50, 1], [20, 1, 60, 80, 30], [30, 60, 1, 5, 20]]
fig = px.imshow(data,
                labels=dict(x="Day of Week", y="Time of Day", color="Productivity"),
                x=['Monday', 'Tuesday', 'Wednesday', 'Thursday', 'Friday'],
                y=['Morning', 'Afternoon', 'Evening']
               )
fig.update_xaxes(side="top")
fig.show()

三元圖

三元圖，又稱三元相圖（Ternary plot）有三個(gè)坐標(biāo)軸，它的三個(gè)坐標(biāo)軸“首尾相接”成夾角為60度的等邊三角形?！霸奔闯煞郑虿糠?，三元圖主要用來展示不同樣本的三種成分的比例，在物理化學(xué)中比較常見。

import plotly.express as px
df = px.data.election()
fig = px.scatter_ternary(df, a="Joly", b="Coderre", c="Bergeron")
fig.show()

雷達(dá)圖

雷達(dá)圖以二維的形式展現(xiàn)了多維數(shù)據(jù),使觀察者可以一目了然地得知對(duì)象在各種指標(biāo)上的強(qiáng)弱，最典型的就是游戲中衡量一個(gè)角色多維度的能力值。

import plotly.express as px
import pandas as pd
df = pd.DataFrame(dict(
    r=[1, 5, 2, 2, 3],
    theta=['processing cost','mechanical properties','chemical stability',
           'thermal stability', 'device integration']))
fig = px.line_polar(df, r='r', theta='theta', line_close=True)
fig.show()

極坐標(biāo)圖

極坐標(biāo)圖主要作用就是可在一張圖上繪出整個(gè)頻率域的頻率響應(yīng)特性。

import plotly.express as px
df = px.data.wind()
fig = px.scatter_polar(df, r="frequency", theta="direction")
fig.show()

瀑布圖

瀑布圖，因?yàn)樾嗡破俨剂魉Q之為瀑布圖( Waterfall Plot)。此種圖表采用絕對(duì)值與相對(duì)值結(jié)合的方式，適用于表達(dá)數(shù)個(gè)特定數(shù)值之間的數(shù)量變化關(guān)系。

import plotly.graph_objects as go

fig = go.Figure(go.Waterfall(
    name = "20", orientation = "v",
    measure = ["relative", "relative", "total", "relative", "relative", "total"],
    x = ["Sales", "Consulting", "Net revenue", "Purchases", "Other expenses", "Profit before tax"],
    textposition = "outside",
    text = ["+60", "+80", "", "-40", "-20", "Total"],
    y = [60, 80, 0, -40, -20, 0],
    connector = {"line":{"color":"rgb(63, 63, 63)"}},
))

fig.update_layout(
        title = "Profit and loss statement 2020",
        showlegend = True
)

fig.show()

漏斗圖

一般表述轉(zhuǎn)化率（如營(yíng)銷客戶轉(zhuǎn)化），由上而下代表不同層級(jí)，轉(zhuǎn)化率逐級(jí)降低并形成漏斗形狀。

import plotly.express as px
data = dict(
    number=[39, 27.4, 20.6, 11, 2],
    stage=["Website visit", "Downloads", "Potential customers", "Requested price", "invoice sent"])
fig = px.funnel(data, x='number', y='stage')
fig.show()

氣泡分布圖（含配置底圖）

import plotly.express as px
df = px.data.gapminder().query("year==2007")
fig = px.scatter_geo(df, locations="iso_alpha", color="continent",
                     hover_name="country", size="pop",
                     projection="natural earth")
fig.show()

當(dāng)然，除此之外，還有其他種類的圖，如果大家對(duì)plotly感興趣可以去訪問它的網(wǎng)站：

https://plotly.com/python/statistical-charts/

以上便是對(duì) Plotly 的簡(jiǎn)單介紹。

如果文章對(duì)你有幫助，歡迎轉(zhuǎn)發(fā)/點(diǎn)贊/收藏！

作者：我被狗咬了

來源：Python亂燉

---

_往期文章推薦_

數(shù)據(jù)可視化，值得關(guān)注的30個(gè)技巧

---