Python數(shù)據可視化 課件 09章Poltly交互可視化庫

Python數(shù)據可視化第9章

Poltly交互可視化庫教師：xxx2024.07第1節(jié)Poltly概述第9章

Poltly交互可視化庫第2節(jié)基本圖形第3節(jié)新式圖形第4節(jié)統(tǒng)計類圖形與地圖前面章節(jié)介紹了Matplotlib、Seaborn和Pyecharts三個可視化庫。Matplotlib歷史久遠，使用廣泛，它可以對圖形做精細控制，但設置命令較繁瑣，圖形類型有限；Seaborn用于統(tǒng)計數(shù)據繪圖，支持語義著色，可自動生成分類多子圖，兩者繪制的都是靜態(tài)圖片。Pyecharts生成動態(tài)交互網頁，可繪制諸如漏斗圖、樹圖和地圖等新穎圖形，但不支持Numpy和Pandas的數(shù)據類型。Poltly集成了上述軟件的優(yōu)點，生成動態(tài)網頁交互圖形，支持Pandas數(shù)據結構，支持類似Seaborn的統(tǒng)計繪圖，可以說Poltly是目前Python平臺下功能最強大的可視化庫。第1節(jié)Poltly概述本章代碼在plotly5.9版下測試通過。本節(jié)代碼見"09.1.ipynb"文件。各代碼段首部默認含有以下語句，后續(xù)部分代碼段為節(jié)省空間不再列出下列語句。Poltly支持多種編程語言接口，例如Python、R和JavaScript等，這些接口都基于poltly.js庫，而poltly.js又基于d3.js這個最強大的JavaScript可視化庫。本章介紹的是其中針對Python接口的部分。在Anaconda平臺中已包含poltly，如需升級可在命令行上執(zhí)行pipinstall-Upoltly。其官網為/python。該庫目前中文資料較少，學習主要依靠其完備的英文在線文檔。importnumpyasnpimportpandasaspdimportplotly.expressaspx #引入plotly的px接口importplotly.graph_objectsasgo #引入plotly的go接口(一)繪圖示例Poltly產生的圖形是交互網頁，代碼應在jupyternotebook中運行。下面是簡單柱狀圖示例。importpandasaspdimportplotly.expressaspx #引入px接口df=pd.DataFrame({"x":["A","B","C"],"y1":[4,1,2],"y2":[2,4,5]}) #構造數(shù)據框fig=px.bar(df,x="x",y=["y1","y2"],barmode="group") #利用px和df生成簇狀柱形圖fig.update_layout(width=500,height=360,title="Bar圖") #設置圖形寬、高、標題fig.show() #默認在notebook中顯示圖形一、Poltly簡介點擊圖例"y1y2"或移動鼠標可觀察到圖形變換。右圖只顯示了“y1”，隱藏了“y2”。圖形可以在notebook中顯示，也可生成網頁再顯示，如下所示。生成的網頁文件較大，約有3M，這是因為其中直接包含了所需的javascript可視化庫。fig.write_html("bar1.html",auto_open=True) #生成網頁bar1.html并彈出瀏覽器顯示一、Poltly簡介(二)代碼格式Poltly的版本迭代較快，不同版本的代碼格式變化較大。以前3.x版包含線上和線下兩種模式，線上模式將代碼放在plotly云端運行。代碼如要在線下運行需寫為plotly.offline的形式。2019年7月發(fā)布的4.0版做了重大改變，將線上模式剝離，單獨放在chartstudio庫中，plotly僅保留線下模式。讀者參考網上代碼時，含有offline字樣的是舊版3.x格式，不要采用舊格式。4.0版提供了express高級接口，使圖形生成更簡潔。目前5.x版代碼主要使用plotly.graph_objects和plotly.express這兩個接口，后者是高級接口，對前者進行了再包裝。有少量圖形會使用第三種接口plotly.figure_factory創(chuàng)建。接上頁：Plotly支持多種圖形構造方法，目前官方推薦使用plotly.express接口。導入接口后命名為px，接口支持直接使用Pandas的DataFrame對象。上例在px.bar()中使用df數(shù)據框，指定x軸對應“x”列，y軸對應“y1,y2”兩列，這種語法類似seaborn。柱狀圖模式為“group”簇狀圖，如不設置則產生堆疊圖。fig.update_layout()是后續(xù)學習中常見的命令，用于修改圖形外觀。下面的代碼使用較低級的go接口重寫了上例的柱狀圖，代碼關鍵之處是go.Figure()。此處將生成一個圖形對象，創(chuàng)建時通過“data=[bar1,bar2]”加入兩個Bar對象，這表明plotly是通過Figure對象組織圖形的。importplotly.graph_objectsasgo #引入graph_objects命名為gox=["A","B","C"]bar1=go.Bar(x=x,y=[4,1,2],name="y1") #先創(chuàng)建bar1對象,name是圖例bar2=go.Bar(x=x,y=[2,4,5],name="y2") #bar2對象fig=go.Figure(data=[bar1,bar2]) #創(chuàng)建Figure對象時加入bar1,bar2fig.update_layout(width=500,height=360,title="Bar圖",barmode="group")#寬、高、標題、group組模式fig.show() #圖略，圖形和上例柱狀圖一樣一、Poltly簡介有時我們還會看到如下寫法：x=["A","B","C"]bar1=go.Bar(x=x,y=[4,1,2],name="y1")fig=go.Figure(data=bar1) #創(chuàng)建Figure并加入bar1fig.add_trace(go.Bar(x=x,y=[2,4,5],name="y2")) #用add_trace()再添加一個Barfig.update_layout(width=500,height=360,title="Bar圖",barmode="group")fig.show() #圖略，圖形和上例柱狀圖一樣在一個Figure中可添加多個trace，例如柱狀圖、折線圖等，這樣可將不同的圖形組合在一起，這是Plotly和其它可視化庫在管理多圖形對象上存在較大差異的地方。Figure對象很重要，所有操作都依賴于此。代碼fig=px.bar()利用px接口產生的fig變量也是Figure對象，只是創(chuàng)建更方便，代碼更精簡。一、Poltly簡介(三)

作圖步驟(概括為如下5步)(1).準備數(shù)據。Poltly支持列表、元組及Numpy和Pandas中的數(shù)據類型。一般可用Pandas處理數(shù)據，然后將DataFrame傳遞給繪圖函數(shù)作圖。(2).創(chuàng)建Figure對象，利用px或go接口均可。importplotly.expressaspx fig=px.bar(x=["A","B"],y=[3,5]) #利用px接口創(chuàng)建Figure類型的對象figimportplotly.graph_objectsasgofig=go.Figure() #利用go接口創(chuàng)建空白Figure(3).添加圖形子對象bar1=go.Bar(x=["A","B"],y=[4,2],name="y1") #先創(chuàng)建bar1,bar1可視為tracefig.add_trace(bar1) #再在fig中添加bar1fig.add_trace(go.Bar(x=["A","B"],y=[2,3],name="y2")) #或直接添加一個Bar接上頁：上述加入的對象被視為trace軌跡，可以用update_traces()修改。下面的命令設置了fig內所有柱體的顏色、柱體邊線顏色、邊線寬度和整個圖形的不透明度opacity，opacity為0~1間的小數(shù)，取1時顏色最深。一、Poltly簡介(4).設置圖形layout，update_layout()可集中設置多個參數(shù)，不像Matplotlib需使用多條命令分設各個參數(shù)。fig.update_traces(marker_color='#FFFF00',marker_line_color='rgb(8,48,107)',marker_line_width=1.5,opacity=0.6) #顏色用HTML格式或rgb格式均可(5).輸出圖形fig.update_layout(width=500,height=360,title="Bar圖",barmode="group")#寬、高、標題、模式fig.show() #默認在notebook中顯示fig.write_html('網頁.html',auto_open=True) #或在瀏覽器中顯示網頁Plotly支持多種渲染輸出環(huán)境，還可輸出為圖片或PDF，詳見教材和官網。學習Plotly主要通過閱讀官方文檔，讀者可先查看/python/首頁的“Fundamentals”部分。其中“TheFigureDataStructure”解釋了圖形對象的內部數(shù)據結構。Figure對象可近似認為是一個嵌套字典，對象以json格式包裝在網頁中。下面創(chuàng)建一個Figure對象并輸出內部結構。二、圖形對象的數(shù)據結構Figure({'data':[{'alignmentgroup':'True','marker':{'color':'#636efa'},'name':'','orientation':'v','showlegend':False,'textposition':'auto','type':'bar','x':array(['A','B'],dtype=object),'xaxis':'x','y':array([3,5]),'yaxis':'y'},{'name':'y2','type':'bar','x':['A','B'],'y':[2,3]}],'layout':{'barmode':'relative','height':400,'legend':{'tracegroupgap':0},'template':'...','width':600,'xaxis':{'anchor':'y','domain':[0.0,1.0],'title':{'text':'x'}},'yaxis':{'anchor':'x','domain':[0.0,1.0],'title':{'text':'y'}}}})importplotly.expressaspxfig=px.bar(x=["A","B"],y=[3,5],width=600,height=400) #創(chuàng)建內含一個Bar的Figurefig.add_trace(go.Bar(x=["A","B"],y=[2,3],name="y2")) #再添加一個Barprint(fig) #輸出fig對象的內部結構，如下所示Figure內有三個頂級數(shù)據屬性：data、layout和frames。data是列表，內含各個trace子軌跡，例如“fig=px.bar()”先創(chuàng)建了一個bar，后續(xù)用add_trace()添加了一個bar，因此data列表中含兩個柱狀圖。layout包含窗口參數(shù)，例如寬度、高度和標題。圖形設置主要就是設置data和layout屬性。要注意區(qū)分Figure和trace，只有Figure對象具有上述屬性，可以設置標題等內容，trace對象沒有這些屬性。第三個頂級屬性frames只在動畫圖形中出現(xiàn)，代表幀，本例未包含。Figure對象內部的數(shù)據是多層嵌套字典，plotly提供了稱之為魔術下劃線(magicunderscore)的表達形式，用“_”下劃線將字典各層連接起來作為形參名，這樣參數(shù)名很簡潔，不用表達為多層嵌套字典。設置時也可以直接設置屬性的值，讀者可對比下面三行效果相同的命令。二、圖形對象的數(shù)據結構fig.update_layout(xaxis_title_font_size=20) #設置X軸標簽文字大小，采用魔術下劃線語法fig.update_layout(xaxis=dict(title=dict(font=dict(size=20)))) #功能同上，使用嵌套字典語法，很繁瑣fig.layout.xaxis.title.font.size=20 #功能同上，使用屬性直接設置fig.data[0].name="y1" #將上例中的第0個Bar命名為y1,name即圖例fig.data[0].showlegend=True #True顯示圖例fig.layout.barmode="group" #柱狀圖由默認的relative改為group(簇狀)#下面兩條命令等效，配置時直接修改字典或用update_layout()修改均可fig.layout.title="標題"fig.update_layout(title="標題")接上頁：了解Figure的內部結構有助于理解各種圖形設置命令，設置圖形時常常設置data和layout屬性。表9.1中某些圖形被同時歸入多個類別，有些圖形繪圖效果相似，只是命令名不同。官網有各種圖形的詳盡示例，一般先給出px接口編碼，再給出go接口編碼。“FigureReference”頁面詳細解釋了圖形函數(shù)的參數(shù)。三、圖形類型importplotly.ioaspioprint(pio.templates) #顯示所有模板名pio.templates.default="plotly_white" #設置為默認模板plotly.graph_objects接口(簡稱go)內含40余種圖形，plotly.express接口(簡稱px)對go接口進行了再包裝，支持其中絕大多數(shù)類型。Plotly官方建議首選使用px接口，對于px不支持的圖形類型才使用go接口，例如某些3D圖形。教材表9.1列出了當前版本支持的大多數(shù)圖形類型。四、模板和配置每個可視化庫都可以設置主題風格，Plotly中的主題(theme)也被稱為模板(template)。模板除具有傳統(tǒng)主題的功能，還兼具一些自定義內容，例如圖形大小、圖形水印等。執(zhí)行下面的命令可顯示Plotly中的所有模板。系統(tǒng)常用模板有：plotly、ggplot2、seaborn、simple_white、plotly_white、plotly_dark和none等。默認使用“plotly”模板，如設為“none”則禁用模板。繪圖時選用模板示例如下。fig=px.line(x=[1,2,3],y=[3,6,5],template='ggplot2') #選用ggplot2模板importplotly.graph_objectsasgomytpl=dict(layout=go.Layout(title="標題",title_font_size=20,width=400,height=300))mytpl2=dict(layout_title="標題",layout_title_font_size=20,layout_width=400,layout_height=300)四、模板和配置模板對象的類型是Template類，Template類又是從plotly.graph_objects.layout類派生的。該類對象擁有l(wèi)ayout和data這兩個頂級屬性，設置這兩個屬性即可自定義模板。自定義模板示例如下。上面兩條語句定義了兩個同樣效果的模板mytpl和mytpl2，都包含了標題、標題字號、圖形寬度和高度的定義。fig=px.line(x=[1,2,3],y=[3,6,5],template=mytpl2) #使用自定義模板mytpl2fig.show() #左下圖

該模板代碼見"09.1.ipynb"。importplotly.expressaspxx=np.random.random(50)y=np.random.random(50)fig=px.scatter(x=x,y=y) #散點圖config={'displayModeBar':True,'scrollZoom':True} #配置:顯示工具箱，滾動縮放fig.show(config=config) #輸出時可設置config配置四、模板和配置除了模板設置，在圖形輸出時還可定義config配置項，設定圖形的顯示方式，如下所示。圖形原本默認只有當鼠標移到圖形上時才顯示工具箱，經過上面的config配置，就將一直顯示工具箱，同時還支持鼠標滾輪滾動縮放圖形。更多設置參考官網如下鏈接：設置字體/標題/圖例/軸標簽

設置圖形大小子圖

坐標軸

圖例legend配置圖形對象

提示框信息(hovertext)設置坐標軸刻度

點和線的樣式本節(jié)介紹幾種讀者熟悉的基本圖形，借此說明Poltly的一些常用設置參數(shù)和方法。某些圖形會分別給出go和px接口的示例，讀者可對比兩種接口的異同。第2節(jié)基本圖形散點圖是常見的二維圖形，用go或px接口均可創(chuàng)建。兩個接口的函數(shù)名有大小寫上的差異，分別是go.Scatter()和px.scatter()，在內部的參數(shù)名上也有不同。importplotly.graph_objectsasgosca=go.Scatter(x=[0,1,2,3,4],y=[0,1,4,9,16],mode="lines+markers",marker={'size':8})fig=go.Figure(data=sca,layout_width=400,layout_height=400)fig.show() 一、散點圖go接口創(chuàng)建散點圖時可指定mode參數(shù)，其值可設為"markers"(點)、"lines"(線)或"lines+markers"(線+點)。散點數(shù)超過20個時默認為"lines"模式，點數(shù)小于20時默認為"lines+markers"模式。使用px接口生成散點圖的代碼如下。px.scatter不支持mode和marker參數(shù)，但可以在后續(xù)的fig.update_traces()中設置。importplotly.expressaspxfig=px.scatter(x=[0,1,2,3,4],y=[0,1,4,9,16],width=400,height=400)fig.update_traces(mode="markers",marker={"size":8}) #設置散點mode和大小fig.add_annotation(x=2,y=5,text="markers模式") #在(2,5)處添加標注文字fig.show() #左下圖

一、散點圖本章開頭提到Plotly支持類似Seaborn的繪圖方式，如下所示。為演示方便，px.data中自帶一些數(shù)據集，help(px.data)可查看幫助，其中就包含常見的iris和tips數(shù)據集。iris=px.data.iris() #獲取iris數(shù)據集，返回DataFrame對象fig=px.scatter(iris,x="sepal_width",y="sepal_length",color="species")#按species分類著色fig.show() #見上圖

上例中px.scatter()直接使用iris數(shù)據框，利用花萼寬度和長度做散點圖，并按sepcies類型將散點分為三種顏色。很顯然，命令中的color參數(shù)等同于Seaborn中的hue語義參數(shù)。如果用go接口完成同樣的工作則代碼要復雜一些，go接口不直接支持color參數(shù)，必須在散點標記中自行完成類型到顏色的轉換映射，示例如下。importplotly.graph_objectsasgoiris=px.data.iris() #獲取iris數(shù)據集，返回DataFrame對象iris["color"]=iris.species.map({'setosa':0,'versicolor':1,'virginica':2})#將三種類型轉為0,1,2數(shù)值sca=go.Scatter(x=iris["sepal_width"],y=iris["sepal_length"],mode="markers",marker={"color":iris["color"]}) #散點顏色,顏色不能直接用類型名，要轉為數(shù)值fig=go.Figure(sca)fig.show() 一、散點圖從上面對比可知，go接口不支持直接使用DataFrame及其列名字符串做參數(shù)，不支持color參數(shù)，px接口對DataFrame支持良好，使用方便，因此涉及數(shù)據框時一般使用px接口。px接口也支持類似Seaborn中的分行分列多子圖參數(shù)，以tips數(shù)據集為例，請讀者體會facet_row和facet_col參數(shù)的作用。df=px.data.tips() #tips小費數(shù)據集fig=px.scatter(df,x="total_bill",y="tip",color="smoker",

facet_row="time",facet_col="day", #分行、分列

category_orders={"day":["Thur","Fri","Sat","Sun"], #類目排列順序

"time":["Lunch","Dinner"]})fig.show() 一、散點圖px接口還支持類似Seaborn中的抖動散點圖，此處x軸是類目數(shù)據，每個x值對應多個y值。如果用普通散點圖，很多點會重合在一起，使用抖動散點圖則自動做微小抖動，分離散點。go接口不支持抖動散點圖。fig=px.strip(df,x="day",y="tip",color="smoker") #px.strip抖動散點圖,df同上(小費集)fig.show() #圖略

柱狀圖是二維圖形，x軸可以是類目或數(shù)值型數(shù)據，y軸一般是數(shù)值數(shù)據，以柱體高度表示數(shù)值大小。下面的代碼利用go接口創(chuàng)建柱狀圖。fruits=['桔子','蘋果','香蕉']ya=[18,10,20]yb=[12,12,17]fig=go.Figure(data=[go.Bar(name='商家A',x=fruits,y=ya,width=0.3,text=ya,textposition='inside'),go.Bar(name='商家B',x=fruits,y=yb,width=0.3,text=yb,textposition='outside'),])fig.update_layout(barmode='group',width=600,height=400) #group簇狀柱形圖fig.show() 二、柱狀圖go.Bar()中的width設置柱體寬度0.3，此處是相對大小。x軸共3類貨品，每類占據x軸的1/3，設置柱體寬度為該類寬度的0.3倍，因此單個柱體寬度為x軸總長的1/10?！皌ext=ya”設定標記文字，并可以規(guī)定文字在柱體的里面(inside)或外面(outside)，當有多組柱體時，可設置barmode模式，共有四種取值：'stack'堆疊，'group'簇狀，'overlay'覆蓋模式(后一組覆蓋到前一組之上)，'relative'相對模式(正負數(shù)據會分別繪制在y軸的正負半軸)。fromplotly.subplotsimportmake_subplotsfruits=['桔子','蘋果','香蕉']fig=go.Figure(data=[go.Bar(name='商家A',x=fruits,y=[18,-10,22],width=0.3),go.Bar(name='商家B',x=fruits,y=[12,-8,26],width=0.3)])formodein['stack','group','overlay','relative']:#演示四種barmodefig.update_layout(barmode=mode,width=600,height=400,title="barmode--"+mode)fig.show() 二、柱狀圖目前做數(shù)據分析經常使用Pandas庫。Pandas默認的圖形后臺是Matplotlib，但可重設圖形后臺。如下代碼將Pandas的圖形后臺調整為“plotly”，這樣pandas作圖時就默認調用plotly，程序中可以不再顯式引入plotly。參見官網中“PandasPlottingBackend”說明。importpandasaspddfw=pd.DataFrame({'fruits':['桔子','蘋果','香蕉'],'商家A':[18,10,20],'商家B':[12,12,17]})dfw.set_index('fruits',inplace=True) #為繪圖方便，將fruits設置為索引pd.options.plotting.backend="plotly" #將pandas的圖形后臺設為plotlyfig=dfw.plot(kind="bar") #pandas繪柱狀圖，后臺將自動調用plotly，返回Figure對象fig.update_layout(barmode='group',width=600,height=400)fig.show() 二、柱狀圖餅圖只需一維數(shù)據，提供一組數(shù)據和標簽即可。餅圖常用的修飾效果有分離狀和圓環(huán)狀。importplotly.graph_objectsasgolabels=['氧氣','氫氣','二氧化碳','氮氣']values=[4500,2500,1053,500] fig=go.Figure(data=go.Pie(labels=labels,values=values,pull=[0,0,0.2,0]),#pull定義分離扇形 layout_width=500,layout_height=400)fig.show() #左下圖

三、餅圖#hole內圓半徑fig=go.Figure(data=go.Pie(labels=labels,values=values,hole=.4),layout_width=500,layout_height=400)fig.update_layout(annotations=[dict(text='圓環(huán)餅圖',x=0.5,y=0.5,font_size=14,showarrow=False),])fig.show()#

annotations增加文字標注，位置“x=0.5,y=0.5”表示圖形正中央

與餅圖比較相似的是旭日圖，旭日圖可以反映多層次的比例關系。Pyecharts中也有旭日圖，但其數(shù)據定義較麻煩，Plotly的旭日圖數(shù)據定義相對簡單，如下所示。fig=go.Figure(go.Sunburst(labels=["衣物","食品","電子類","女裝","男裝","童裝","飲料","肉食","手機","電腦"],parents=["","","","衣物","衣物","衣物","食品","食品","電子類","電子類"],values=[10, 12,8,4, 4,2,5,7,5,3],branchvalues="total", #表示扇區(qū)比例嚴格按數(shù)值匹配))fig.update_layout(width=400,height=400,margin=dict(t=0,l=0,r=0,b=0)) #四邊空白都為0fig.show() 三、餅圖上例定義了三個一級類目“衣物、食品、電子類"，一級類目對應的parents列表應為空，而其它子類則填寫其父類名稱。由于設定了branchvalues="total"的參數(shù)，因此在values中要注意數(shù)值匹配，子類數(shù)據之和應等于父類的數(shù)據，如不匹配，則無法繪圖。如不設置branchvalues參數(shù)，則不要求values值嚴格匹配。旭日圖表現(xiàn)了數(shù)據的多層次的比例關系，類似按多個字段進行分組統(tǒng)計。下面的代碼對tips數(shù)據集繪制旭日圖，指定先按“day”分類，再依次按“time”和“sex”分類，將字段“total_bill”用于數(shù)值比例計算，得到下圖。從圖中可大致看出各層次的比例關系，“Sat”和“Sun”只含“Dinner”，而“Fri”和“Thur”則同時包含“Dinner”和“Lunch”。修改path參數(shù)中的字段順序可得到不同的層次劃分。df=px.data.tips()fig=px.sunburst(df,path=['day','time','sex'],values='total_bill') #注意path和values參數(shù)fig.show() 三、餅圖左圖反映的比例關系和df.groupby(['day','time','sex']).total_bill.sum()的統(tǒng)計結果是一致的本節(jié)介紹幾種新式圖形，以前章節(jié)中已介紹過多種圖形類型，這些圖形均可參考Plotly官網示例。各種可視化庫實現(xiàn)的圖形效果有類似之處，只是在數(shù)據格式、參數(shù)名、配置項上有不同的要求。第3節(jié)新式圖形importplotly.figure_factoryasff #引入圖形工廠接口fftasks=[dict(Task="任務A",Start='2021-01-01',Finish='2021-01-05',Complete=100),dict(Task="任務B",Start='2021-01-03',Finish='2021-02-04',Complete=60),dict(Task="任務C",Start='2021-02-01',Finish='2021-03-03',Complete=20)]fig=ff.create_gantt(tasks,index_col='Complete',show_colorbar=True,width=600,height=400)fig.show() 甘特圖（Ganttchart）又稱橫道圖，以圖形創(chuàng)建人亨利.甘特的名字命名。甘特圖通過條狀圖來顯示項目及其時間進度安排，常見于項目管理中。一、甘特圖和表圖上例定義了三個任務的起始和截止時間，“Complete”表示完成百分比，通過“index_col='Complete'”映射為不同的顏色。點擊圖上方的“1w”或“1m”按鈕則可顯示任務最后截止日期前一周或前一月的日期?！癥TD”是“yeartodate”的簡寫，將顯示任務截止日這一年的日期。這個圖形用plotly.figure_factory接口創(chuàng)建，不是用px接口。前面介紹的都是各類圖形，如果有一些表格數(shù)據希望以整齊的格式顯示在圖形上，則可以使用表圖(Tablechart)，如下所示。importplotly.graph_objectsasgotable=go.Table(header=dict(values=['貨品名','單價','數(shù)量']),#定義表頭和表格單元格cellscells=dict(values=[["上衣","毛衣","西裝","衛(wèi)衣"],[95,185,505,55],[10,20,15,30]]),)fig=go.Figure(data=table,layout_width=600)fig.show() #左圖

一、甘特圖和表圖df=px.data.medals_wide() #px自帶的獎牌榜演示數(shù)據fig=go.Figure(data=[go.Table(header=dict(values=list(df.columns),fill_color='#80FFFF',align='center',height=40,font_size=18,), cells=dict(values=[df.nation,df.gold,df.silver,df.bronze],fill_color='#C4E1FF',align='left',height=30,)) ])fig.update_layout(width=600)fig.show() #右圖

利用表圖及make_subplots多子圖函數(shù)可以將圖與表顯示在同一張圖上。fromplotly.subplotsimportmake_subplots #多子圖布局df=pd.DataFrame({'水果':['桔子','蘋果','香蕉'],'商家A':[18,10,20],'商家B':[12,12,17]})bar1=go.Bar(name='商家A',x=df.水果,y=df.商家A,width=0.3)bar2=go.Bar(name='商家B',x=df.水果,y=df.商家B,width=0.3)table=go.Table(header=dict(values=list(df.columns),fill_color='#97CBFF'),cells=dict(values=[df.水果,df.商家A,df.商家A],fill_color='#F0F0F0'),)#創(chuàng)建2行1列的多子圖布局對象。注意定義各子圖坐標軸的類型fig=make_subplots(rows=2,cols=1,specs=[[{"type":"xy"}],[{"type":"domain"}]],)fig.add_trace(bar1,row=1,col=1) #bar1添加在第1行第1列fig.add_trace(bar2,row=1,col=1) #bar2也添加在第1行第1列fig.add_trace(table,row=2,col=1) #表圖在第2行第1列fig.update_layout(width=600,title="圖表結合",title_x=0.5,title_y=0.9)fig.show() 一、甘特圖和表圖上例利用make_subplots()方法創(chuàng)建2行1列的多子圖對象fig。柱狀圖是傳統(tǒng)的xy軸坐標系，表圖不是xy軸坐標系，要特別指定其坐標系為domain，詳情參閱官網“Subplots”頁面說明。利用add_trace()將bar1和bar2添加在第1行第1列子圖，將表圖添加在第2行第1列子圖。make_subplots()命令可用于創(chuàng)建多子圖，下面是另一個多子圖示例。importnumpyasnpfromplotly.subplotsimportmake_subplotsfig=make_subplots(rows=2,cols=2) #2x2子圖，本例都是xy坐標系，可省略specs類型指定forindexinrange(4):row=index//2+1 #注意加1，行列從1開始編號，不是從0開始

col=index%2+1sca=go.Scatter(x=np.random.randn(10),y=np.random.randn(10)) #隨機散點圖

fig.add_trace(sca,row=row,col=col) #將sca添加在指定的row/col子圖中fig.update_layout(width=600,title="多子圖示例",title_x=0.5)fig.show() 一、甘特圖和表圖還可用make_subplots()做雙Y軸圖形，代碼見"09.3.ipynb"文件。樹圖(Treemap)用嵌套的矩形框反映數(shù)據之間的層次關系，采用前面旭日圖的層次數(shù)據做樹圖如下。代碼中的labels、parents和values定義和以前類似，通過parents表明層次關系。圖中所示有三個頂級數(shù)據，各自包含一些子類。values數(shù)據不是必須的，如果提供了values值，則矩形面積反映數(shù)值之間的比例關系。importplotly.graph_objectsasgolabels=["衣物","食品","電子類","女裝","男裝","童裝","飲料","肉食","豬肉","羊肉","手機","電腦"]parents=["","","","衣物","衣物","衣物","食品","食品","肉食","肉食","電子類","電子類"]values=[10,12,8,4,4,2,5,7,2,5,5,3]fig=go.Figure(go.Treemap(labels=labels,parents=parents,values=values)) #樹圖fig.show() 二、樹圖和瀑布圖瀑布圖(WaterfallChart)用于表示一組連續(xù)數(shù)據的相對及其總量的變化，因為形似瀑布流水而得名。importplotly.graph_objectsasgofig=go.Figure(go.Waterfall(measure=["relative","relative","total","relative","relative","total"],#相對和絕對類型

x=["工資收入","投資收入","收入總計","房貸","生活費用","結余"],text=["+20","+10","+30","-15","-8","+7"], #自定義標記文字

y=[20,10,0,-15,-8,0], #只需填relative量，total對應的數(shù)填0textposition="outside",))fig.update_layout(title="2020年收入支出大類圖")fig.show() 二、樹圖和瀑布圖左圖表現(xiàn)了一年中的收入和支出的情況，“relative”代表相對變化量，填入正或負數(shù)；“total”代表累積總量，填入0即可，實際的累積總量在繪圖時會自動計算。圖中對應正數(shù)、負數(shù)和累積總量的柱體自動用不同顏色區(qū)分。極坐標系的點坐標表示為(r,θ)，r極徑，θ極角。下圖定義了極坐標系中的100個點，繪制螺旋曲線圖。importplotly.graph_objectsasgofig=go.Figure(data=go.Scatterpolar( #散點極坐標圖

r=np.linspace(0,6,100), #極徑

theta=np.linspace(0,360*4,100), #極角(單位:度)mode='lines+markers', #線+點模式

marker=dict(size=4,color='#00A3A3') #點的大小，顏色

))fig.update_layout(showlegend=False) #不顯示圖例fig.show() 三、極坐標圖和指示器圖極坐標圖中還有一種柱狀圖，相比上圖增加了width參數(shù)，定義每個扇區(qū)的圓心角，這樣可以表示r、theta和width三個維度的信息。importplotly.graph_objectsasgofig=go.Figure(go.Barpolar( #極坐標柱狀圖

r=np.linspace(1,6,6),theta=np.linspace(30,300,6), #半徑/極角

width=[30,15,15,20,30,40], #扇區(qū)圓心角(度數(shù))marker_color=["#E4FF87",'#709BFF','#709BFF','#FFAA70','#FFAA70','#FFDF70'],marker_line_color="black",marker_line_width=2,opacity=0.8,))fig.update_layout(template=None,#半徑軸刻度polar=dict(radialaxis=dict(range=[0,6],showticklabels=True,ticks='inside'),

angularaxis=dict(showticklabels=True,ticks='outside') #外圈圓刻度

))fig.show() 三、極坐標圖和指示器圖指示器圖(Indicatorchart)類似Pyecharts中的水球圖，用于顯示單個數(shù)值，但表現(xiàn)形式更豐富，并可配合其他圖形一起顯示。指示器圖需設置的屬性有：value-待顯示的值、mode-顯示的模式和domain-圖形布局。importplotly.graph_objectsasgofig=go.Figure()fig.add_trace(go.Indicator(value=200, #待顯示的值

delta={'reference':160}, #自定義參照值，因此變化量為200-160=40gauge={'axis':{'visible':True}}, #顯示儀表盤外圈的刻度值(默認設置)domain={'row':0,'column':0})) #布局在0行0列fig.add_trace(go.Indicator(mode="number+delta", #只顯示"數(shù)值+變化量"（不顯示儀表盤)value=300, delta={'reference':250}, #參照值250，因此變化量為300-250=50domain={'row':0,'column':1})) #布局在0行1列#后續(xù)代碼略，詳見"09.4.ipynb"文件

三、極坐標圖和指示器圖指示器圖可搭配其他圖形顯示，下面在折線圖上添加一個指示器圖，指示了最大值和最小值之間的增量變化。index=pd.date_range('2021-01-01',periods=40)df=pd.DataFrame(np.random.randint(10,30,40),index=index,columns=['A'])fig=px.line(df) #折線圖fig.add_trace(go.Indicator( #指示器圖

mode="number+delta", #只顯示"數(shù)值+變化量"（不顯示儀表盤)value=df.A.max(), #顯示最大值

delta={'reference':df.A.min()}, #參照值為最小值，因此變化量=最大值-最小值

domain={'x':[0.2,0.5],'y':[0.5,0.9]})) #定義子圖在大圖中的位置及其大小(相對坐標)fig.update_layout(width=600,height=400)fig.show() 三、極坐標圖和指示器圖?；鶊D在Pyecharts中介紹過，Plotly也可繪制桑基圖，數(shù)據定義比Pyecharts要簡潔。importplotly.graph_objectsasgofig=go.Figure(data=[go.Sankey(node=dict(#圖中條形的間距,寬度,外邊緣線，顏色pad=15,thickness=20,line=dict(color="white",width=1),color="blue",#定義各節(jié)點名稱

label=["蘋果","華為","小米","男","女","年齡40以上","年齡25-40","年齡25以下"],),link=dict(source=[0,0,1,1,2,2,3,3,3,4,4,4],#源，對應label中的索引號(從0開始)target=[3,4,3,4,3,4,5,6,7,5,6,7],#目標

value=[100,120,150,50,40,55,80,150,60,60,125,40]))])#定義標題、標題文字大小，標題x軸位置，y軸位置，普通文字大小fig.update_layout(title="桑基圖",title_font_size=20,title_x=0.5,title_y=0.85,font_size=12)fig.show() 四、?；鶊D和平行類目圖本例中，node參數(shù)定義節(jié)點，link參數(shù)定義節(jié)點間的邊。每條邊由(source,target,value)三部分構成，例如(0,3,100)表示("蘋果","男",100)的數(shù)據對應關系，邊的寬度由value決定。有時我們想展示多組相關數(shù)據，但這些數(shù)據的度量標準不同，無法簡單地在同一個坐標系中展示，此時可使用平行類目圖。下例構造了一個城市空氣質量數(shù)據表，使用平行類目圖進行展示。df=pd.DataFrame({'城市':['北京','廣州','上海'],'PM2.5':[100,30,80],'CO':[1.5,0.8,0.9],'NO2':[100,40,70],'等級':['中','優(yōu)','良']})fig=px.parallel_categories(df,dimensions=['城市','PM2.5','CO','NO2','等級']) #注意參數(shù)fig.update_layout(title='平行類目圖',title_x=0.5,width=600,height=300)fig.show() 四、?；鶊D和平行類目圖上一章介紹的Pyecharts庫支持交互圖形，但在統(tǒng)計圖形方面比較薄弱。Plotly集中了Seaborn和Pyecharts的優(yōu)點，繪制統(tǒng)計類圖形非常方便。下面用px接口繪制鳶尾花的花萼寬度和長度散點圖。第4節(jié)統(tǒng)計類圖形與地圖importplotly.expressaspxdf=px.data.iris()fig=px.scatter(df,x="sepal_width",y="sepal_length",color="species",marginal_y="violin",marginal_x="box",trendline="ols",template="simple_white")fig.show() 從上面命令可見，px接口直接使用數(shù)據框對象繪圖非常方便，只需指定df、x、y和color等參數(shù)。更進一步，增加marginal_y、marginal_x和trendline參數(shù)，可以繪制單變量的小提琴圖和箱線圖，并指定擬合趨勢線。一、統(tǒng)計類圖形與Seaborn類似，px接口也只需一行代碼即可繪制出鳶尾花4種屬性的散點圖矩陣。df=px.data.iris()fig=px.scatter_matrix(df,dimensions=["sepal_width","sepal_length","petal_width","petal_length"],color="species")fig.show() #左圖

使用px.histogram()函數(shù)可繪制單變量分布直方圖。df=px.data.tips()fig=px.histogram(df,x="total_bill",nbins=20) #nbins分組數(shù)fig.update_layout(width=600,height=400)fig.show() #右圖

一、統(tǒng)計類圖形下面的代碼繪制tips數(shù)據集中的tip字段直方圖，通過color參數(shù)將數(shù)據分為男性和女性兩類，并在上方分別繪制了小費的地毯圖(rug)，將每一筆小費用細的豎線標記?！癶over_data=df.columns”表示信息框中顯示所有列的數(shù)據。df=px.data.tips()fig=px.histogram(df,x="tip",color="sex",marginal="rug",hover_data=df.columns)fig.show() #左圖

統(tǒng)計類圖形中的箱線圖可用px.box()函數(shù)繪制。鼠標移到箱框上時會顯示25%、50%和75%分位點值。df=px.data.tips()fig=px.box(df,x="day",y="total_bill",color="smoker") #箱線圖fig.show() #右圖

一、統(tǒng)計類圖形將箱線圖和密度曲線圖結合可得到小提琴圖，使用px.violin()函數(shù)繪制。df=px.data.tips() #小費數(shù)據集fig=px.violin(df,y="tip",x="smoker",color="sex",box=True,points="all",hover_data=df.columns)fig.show() #左圖

下面的代碼繪制兩個變量的密度分布圖，圖形上方是直方圖和密度曲線，下方是地毯圖。importplotly.figure_factoryasff #引入ff接口np.random.seed(7)x=np.random.randn(200);y=np.random.randn(200) #標準正態(tài)分布數(shù)組x和yhist_data=[x,y] #待繪圖的變量數(shù)組group_labels=['x','y'] #圖例(必須參數(shù))fig=ff.create_distplot(hist_data,group_labels) #密度分布圖fig.show() #右圖

一、統(tǒng)計類圖形Plotly支持兩種類型的地圖：Geo地圖和Mapbox地圖。Geo型繪制地圖輪廓線(outline-based)，類似Pyecharts中的Map和Geo圖。Mapbox型類似百度地圖，但功能更豐富，可以支持多種不同的地圖渲染樣式。Geo地圖可參考官網鏈接/python/map-configuration/。Plotly包含若干種地圖繪制函數(shù)，函數(shù)名中帶有“geo”字樣的為Geo類繪圖函數(shù)。繪制時默認的地圖輪廓是世界地圖，如下代碼所示。importplotly.graph_objectsasgofig=go.Figure(go.Scattergeo(lon=[30.2,80,130],lat=[50.1,10.2,30.55],#某點的(數(shù)值，經度，緯度)

hovertext=['地點A','地點B','地點C'],marker_size=12))fig.update_traces(mode="lines+markers")fig.update_geos(projection_type="equirectangular") #投射類型：equirectangular為默認值fig.show() 上例定義了三個點的經緯度，并設置模式為“l(fā)ines+marker”，因此在地圖上標注了三個點并連線。projection_type參數(shù)表示地圖投影類型，如將代碼改為projection_type="orthographic"可實現(xiàn)球形地圖效果。二、地圖（一)

Geo地圖Plotly有很多參數(shù)值，初次使用時難免設錯，一般在返回的錯誤信息中就包含了正確的可設置參數(shù)值。例如投影參數(shù)可設置的值有'equirectangular'、'mercator'、'orthographic'、'naturalearth'等。Plotly自帶的Geo圖可以設定地圖范圍"scope"，可設置的值有：world、usa、europe、asia、africa、northamerica等，下面的代碼設定scope為'asia'。分辨率resolution只能設為110和50兩個值，地圖中設定了顯示海岸線、陸地、湖泊和河流等信息。importplotly.graph_objectsasgofig=go.Figure(go.Sc