我们专注攀枝花网站设计 攀枝花网站制作 攀枝花网站建设
成都网站建设公司服务热线：400-028-6601

网站建设知识

十年网站开发经验 + 多家企业客户 + 靠谱的建站团队

量身定制 + 运营维护+专业推广+无忧售后，网站问题一站解决

Python中如何使用Plotly实现数据可视化

这篇文章主要讲解了“Python中如何使用Plotly实现数据可视化”，文中的讲解内容简单清晰，易于学习与理解，下面请大家跟着小编的思路慢慢深入，一起来研究和学习“Python中如何使用Plotly实现数据可视化”吧！

创新互联建站为您提适合企业的网站设计 让您的网站在搜索引擎具有高度排名，让您的网站具备超强的网络竞争力！结合企业自身，进行网站设计及把握，最后结合企业文化和具体宗旨等，才能创作出一份性化解决方案。从网站策划到网站设计、网站建设， 我们的网页设计师为您提供的解决方案。

 Plotly 是一个数据绘图库，具有整洁的接口，它旨在允许你构建自己的 API。

Plotly 是一个绘图生态系统，可以让你在 Python 以及 JavaScript 和 R 中进行绘图。

Plotly 有三种不同的 Python API，你可以选择不同的方法来使用它：

  • 类似于 Matplotlib 的面向对象的 API

  • 数据驱动的 API，通过构造类似 JSON 的数据结构来定义绘图

  • 类似于 Seaborn 的高级绘图接口，称为 “Plotly Express” API

我将通过使用每个 API 来绘制相同的图来探索它们：英国大选结果的分组柱状图。

在我们进一步探讨之前，请注意，你可能需要调整你的 Python 环境来让这段代码运行，包括以下内容：

  • 运行最新版本的Python（Linux、Mac 和 Windows 的说明）

  • 确认你运行的 Python 版本能与这些库一起工作

数据可在线获得，可以用 Pandas 导入。

import pandas as pddf = pd.read_csv('https://anvil.works/blog/img/plotting-in-python/uk-election-results.csv')

现在我们可以继续进行了。

使用图对象来绘制图

Plotly 面向对象的 API 被称为 graph_objects，它有点类似于 Matplotlib 的面向对象 API。

要创建一个柱状图，你可以构造一个包含四个柱状图的对象：

# 导入 Plotly 和数据import plotly.graph_objects as gofrom votes import wide as df # 得到 x 列表years = df['year']x = list(range(len(years))) # 定义绘图bar_plots = [  go.Bar(x=x, y=df['conservative'], name='Conservative', marker=go.bar.Marker(color='#0343df')),  go.Bar(x=x, y=df['labour'], name='Labour', marker=go.bar.Marker(color='#e50000')),  go.Bar(x=x, y=df['liberal'], name='Liberal', marker=go.bar.Marker(color='#ffff14')),  go.Bar(x=x, y=df['others'], name='Others', marker=go.bar.Marker(color='#929591')),] # 指定样式layout = go.Layout(  title=go.layout.Title(text="Election results", x=0.5),  yaxis_title="Seats",  xaxis_tickmode="array",  xaxis_tickvals=list(range(27)),  xaxis_ticktext=tuple(df['year'].values),)   # 绘制柱状图fig = go.Figure(data=bar_plots, layout=layout) # 告诉 Plotly 去渲染fig.show()

与 Matplotlib 不同的是，你无需手动计算柱状图的 x 轴位置，Plotly 会帮你适配。

使用 Python 数据结构来绘图

你还可以使用 Python 基本数据结构来定义绘图，它与面对对象 API 具有相同的结构。这直接对应于 Plotly 的 JavaScript 实现的 JSON API。

# 定义绘图数据fig = {    'data': [        {'type': 'bar', 'x': x, 'y': df['conservative'], 'name': 'Conservative', 'marker': {'color': '#0343df'}},        {'type': 'bar', 'x': x, 'y': df['labour'], 'name': 'Labour', 'marker': {'color': '#e50000'}},        {'type': 'bar', 'x': x, 'y': df['liberal'], 'name': 'Liberal', 'marker': {'color': '#ffff14'}},        {'type': 'bar', 'x': x, 'y': df['others'], 'name': 'Others', 'marker': {'color': '#929591'}},    ],    'layout': {        'title': {'text': 'Election results', 'x': 0.5},        'yaxis': {'title': 'Seats'},        'xaxis': {            'tickmode': 'array',            'tickvals': list(range(27)),            'ticktext': tuple(df['year'].values),        }    }} # 告诉 Plotly 去渲染它pio.show(fig)
使用 Plotly Express 进行绘图

Plotly Express 是对图对象进行封装的高级 API。

你可以使用一行代码来绘制柱状图：

# 导入 Plotly 和数据import plotly.express as pxfrom votes import long as df # 定义颜色字典获得自定义栏颜色cmap = {    'Conservative': '#0343df',    'Labour': '#e50000',    'Liberal': '#ffff14',    'Others': '#929591',} # 生成图fig = px.bar(df, x="year", y="seats", color="party", barmode="group", color_discrete_map=cmap)

这里使用了 数据，也称为“整洁数据”。这些列代表年份、政党和席位，而不是按政党划分。这与在 Seaborn 中制作柱状图非常相似。

>> print(long)     year         party  seats0    1922  Conservative    3441    1923  Conservative    2582    1924  Conservative    4123    1929  Conservative    2604    1931  Conservative    470..    ...           ...    ...103  2005        Others     30104  2010        Others     29105  2015        Others     80106  2017        Others     59107  2019        Others     72 [108 rows x 3 columns]

你可以访问底层的图对象 API 进行详细调整。如添加标题和 y 轴标签：

# 使用图对象 API 来调整绘图import plotly.graph_objects as gofig.layout = go.Layout(    title=go.layout.Title(text="Election results", x=0.5),    yaxis_title="Seats",)

最后，让 Plotly 渲染：

fig.show()

这将在未使用的端口上运行一个临时 Web 服务器，并打开默认的 Web 浏览器来查看图像（Web 服务器将会马上被关闭）。

不幸的是，结果并不完美。x 轴被视为整数，因此两组之间的距离很远且很小，这使得我们很难看到趋势。

Python中如何使用Plotly实现数据可视化

你可能会尝试通过将 x 值转换为字符串来使 Plotly Express 将其视为字符串，这样它就会以均匀的间隔和词法顺序来绘制。不幸的是，它们的间隔还是很大，像在 graph_objects中那样设置 xaxis_tickvals 也不行。

与 Seaborn 中的类似示例不同，在这种情况下，抽象似乎没有提供足够的应急方案来提供你想要的东西，但是也许你可以编写自己的 API？

构建自己的 Plotly API

对 Plotly 的操作方式不满意？那就构建自己的 Plotly API！

Plotly 的核心是一个 JavaScript 库，它使用 D3 和 stack.gl 进行绘图。JavaScript 库的接口使用指定的 JSON 结构来绘图。因此，你只需要输出 JavaScript 库喜欢使用的 JSON 结构就好了。

Anvil 这样做是为了创建一个完全在浏览器中工作的 Python Plotly API。

Python中如何使用Plotly实现数据可视化

Plotly uses a JavaScript library to create plots, driven by libraries in other languages via JSON (© 2019 Anvil)

在 Anvil 版本中，你可以同时使用图对象 API 和上面介绍的 Python 数据结构方法。运行完全相同的命令，将数据和布局分配给 Anvil 应用程序中的 Plot 组件。

这是用 Anvil 的客户端 Python API 绘制的多列柱状图：

# 导入 Anvil 库from ._anvil_designer import EntrypointTemplatefrom anvil import *import anvil.server # 导入客户端 Plotlyimport plotly.graph_objs as go # 这是一个 Anvil 表单class Entrypoint(EntrypointTemplate):  def __init__(self, **properties):    # Set Form properties and Data Bindings.    self.init_components(**properties)     # 从服务器获取数据    data = anvil.server.call('get_election_data')       # 获取一个方便的 x 值列表    years = data['year']    x = list(range(len(years)))     # 定义绘图    bar_plots = [      go.Bar(x=x, y=data['conservative'], name='Conservative', marker=go.Marker(color='#0343df')),      go.Bar(x=x, y=data['labour'], name='Labour', marker=go.Marker(color='#e50000')),      go.Bar(x=x, y=data['liberal'], name='Liberal', marker=go.Marker(color='#ffff14')),      go.Bar(x=x, y=data['others'], name='Others', marker=go.Marker(color='#929591')),    ]    # 规定布局    layout = {      'title': 'Election results',      'yaxis': {'title': 'Seats'},      'xaxis': {        'tickmode': 'array',        'tickvals': list(range(27)),        'ticktext': data['year'],      },    }     # 生成多列柱状图    self.plot_1.data = bar_plots    self.plot_1.layout = layout

绘图逻辑与上面相同，但是它完全在 Web 浏览器中运行，绘图是由用户计算机上的 Plotly JavaScript 库完成的！与本系列的所有其它 Python 绘图库相比，这是一个很大的优势。因为其它 Python 库都需要在服务器上运行。

这是在 Anvil 应用中运行的交互式 Plotly 图：

Python中如何使用Plotly实现数据可视化

The election plot on the web using Anvil's client-side-Python Plotly library (© 2019 Anvil)

你可以复制此示例作为一个 Anvil 应用程序（注意：Anvil 需要注册才能使用）。

在前端运行 Plotly 还有另一个优势：它为自定义交互行为提供了更多选项。

在 Plotly 中自定义交互

Plotly 绘图不仅是动态的，你可以自定义它们的互动行为。例如，你可以在每个柱状图中使用 hovertemplate 自定义工具提示的格式：

    go.Bar(      x=x,      y=df['others'],      name='others',      marker=go.bar.Marker(color='#929591'),      hovertemplate='Seats: %{y}',    ),

当你把这个应用到每个柱状图时，你会看到以下结果：

Python中如何使用Plotly实现数据可视化

这很有用，当你想要在某些事件发生时执行任何你想要的代码就更好了（例如，当用户将鼠标悬停在栏上，你想要显示一个相关选举的信息框）。在 Anvil 的 Plotly 库中，你可以将事件处理程序绑定到诸如悬停之类的事件，这使得复杂的交互成为可能。

Python中如何使用Plotly实现数据可视化

你可以通过将方法绑定到绘图的悬停事件来实现：

  def plot_1_hover(self, points, **event_args):    """This method is called when a data point is hovered."""    i = points[0]['point_number']    self.label_year.text = self.data['year'][i]    self.label_con.text = self.data['conservative'][i]    self.label_lab.text = self.data['labour'][i]    self.label_lib.text = self.data['liberal'][i]    self.label_oth.text = self.data['others'][i]    url = f"https://en.wikipedia.org/wiki/{self.data['year'][i]}_United_Kingdom_general_election"    self.link_more_info.text = url    self.link_more_info.url = url

感谢各位的阅读，以上就是“Python中如何使用Plotly实现数据可视化”的内容了，经过本文的学习后，相信大家对Python中如何使用Plotly实现数据可视化这一问题有了更深刻的体会，具体使用情况还需要大家实践验证。这里是创新互联，小编将为大家推送更多相关知识点的文章，欢迎关注！


名称栏目：Python中如何使用Plotly实现数据可视化
网站链接：http://mswzjz.cn/article/iggpgs.html

其他资讯