Python 数据可视化利器 plus(plotly )

概述

  • 前言

  • 推荐

  • plotly

  • bokeh

  • pyecharts

  • 后记

前言

更新:上一篇文章《python 数据可视化利器》中,我写了 bokeh、pyecharts 的用法,但是有一个挺强大的库 plotly 没写,主要是我看到它的教程都是在 jupyter notebooks 中使用,说来也奇怪,硬是找不到如何本地使用(就是本地输出 html 文件),所以不敢写出来。现在已经找到方法了,这里我就在原文的基础上增加了 plotly 的部分教程。

前段时间有读者向我反映,想看看数据可视化方面的文章,这不?现在就开始写了,如果你想看哪些方面的文章,可以通过留言或者后台告诉我。数据可视化的第三方库挺多的,这里我主要推荐两个,分别是 bokeh、pyecharts。如果我的文章对你有帮助,欢迎关注、点赞、转发,这样我会更有动力做原创分享。

推荐

数据可视化的库有挺多的,这里推荐几个比较常用的:

  • Matplotlib

  • Plotly

  • Seaborn

  • Ggplot

  • Bokeh

  • Pyechart

  • Pygal

Plotly

plotly 文档地址(https://plot.ly/python/#financial-charts)

Python 数据可视化利器 plus(plotly )_第1张图片
image

使用方式:

plotly 有 online 和 offline 两种方式,这里只介绍 offline 的。

Python 数据可视化利器 plus(plotly )_第2张图片
image

这是 plotly 官方教程的一部分

import plotly.plotly as py
import numpy as np
data = [dict(
    visible=False,
    line=dict(color='#00CED1', width=6), # 配置线宽和颜色
    name=' = ' + str(step),
    x=np.arange(0, 10, 0.01), # x 轴参数
    y=np.sin(step * np.arange(0, 10, 0.01))) for step in np.arange(0, 5, 0.1)] # y 轴参数
data[10]['visible'] = True
py.iplot(data, filename='Single Sine Wave')

只要将最后一行中的

py.iplot

替换为下面代码

py.offline.plot

便可以运行。

漏斗图

这个图代码太长了,就不 po 出来了。

Python 数据可视化利器 plus(plotly )_第3张图片
image

Basic Box Plot

好吧,不知道怎么翻译,直接用原名。

Python 数据可视化利器 plus(plotly )_第4张图片
image
import plotly.plotly
import plotly.graph_objs as go
import numpy as np
y0 = np.random.randn(50)-1
y1 = np.random.randn(50)+1

trace0 = go.Box(
    y=y0
)
trace1 = go.Box(
    y=y1
)
data = [trace0, trace1]
plotly.offline.plot(data)

Wind Rose Chart

好吧,不知道怎么翻译,直接用原名。

Python 数据可视化利器 plus(plotly )_第5张图片
image
import plotly.graph_objs as go

trace1 = go.Barpolar(
    r=[77.5, 72.5, 70.0, 45.0, 22.5, 42.5, 40.0, 62.5],
    text=['North', 'N-E', 'East', 'S-E', 'South', 'S-W', 'West', 'N-W'],
    name='11-14 m/s',
    marker=dict(
        color='rgb(106,81,163)'
    )
)
trace2 = go.Barpolar(
    r=[57.49999999999999, 50.0, 45.0, 35.0, 20.0, 22.5, 37.5, 55.00000000000001],
    text=['North', 'N-E', 'East', 'S-E', 'South', 'S-W', 'West', 'N-W'], # 鼠标浮动标签文字描述
    name='8-11 m/s',
    marker=dict(
        color='rgb(158,154,200)'
    )
)
trace3 = go.Barpolar(
    r=[40.0, 30.0, 30.0, 35.0, 7.5, 7.5, 32.5, 40.0],
    text=['North', 'N-E', 'East', 'S-E', 'South', 'S-W', 'West', 'N-W'],
    name='5-8 m/s',
    marker=dict(
        color='rgb(203,201,226)'
    )
)
trace4 = go.Barpolar(
    r=[20.0, 7.5, 15.0, 22.5, 2.5, 2.5, 12.5, 22.5],
    text=['North', 'N-E', 'East', 'S-E', 'South', 'S-W', 'West', 'N-W'],
    name='< 5 m/s',
    marker=dict(
        color='rgb(242,240,247)'
    )
)
data = [trace1, trace2, trace3, trace4]
layout = go.Layout(
    title='Wind Speed Distribution in Laurel, NE',
    font=dict(
        size=16
    ),
    legend=dict(
        font=dict(
            size=16
        )
    ),
    radialaxis=dict(
        ticksuffix='%'
    ),
    orientation=270
)
fig = go.Figure(data=data, layout=layout)
plotly.offline.plot(fig, filename='polar-area-chart')

Basic Ternary Plot with Markers

篇幅有点长,这里就不 po 代码了。

Python 数据可视化利器 plus(plotly )_第6张图片
image

其他两个库的内容在上一篇文章中已经有了

后记

大概介绍就是这样了,三个库的功能都挺强大的,bokeh 的中文资料会少一点,如果阅读英文有点难度,还是建议使用 pyecharts 就好。总体也不是很难,按照文档来修改数据都能够直接上手使用。主要是多练习。

本文完

本文转自公众号「zone7」

你可能感兴趣的:(Python 数据可视化利器 plus(plotly ))