python可视化入门 plotly ，小白请进

大佬看到这里就可以走了， 小白可以继续看了，本篇文章只是【plotly】入门级

注意：本篇文章使用的是离线版本的plotly，没有用线上版的，直接在pycharm上运行的。

安装 plotly

pip install plotly

导入plotly模块

import plotly.graph_objects as go 
import plotly.offline as of  	# 这个为离线模式的导入方法
import pandas as pd #使用pandas处理csv数据

example1 Scatter

通过Scatter方法画折线图：

data = pd.read_csv(r'C:\Users\Administrator\Desktop\data\nz_weather.csv')
print(data.head()) #显示5条数据
# Scatter
line1 = go.Scatter(y=data['Auckland'], x=data['DATE'], name='Auckland')   # name定义每条线的名称
line2 = go.Scatter(y=data['Wellington'], x=data['DATE'], name='Wellington')
fig = go.Figure([line1, line2])
fig.update_layout(
    title = 'New Zealand Weather', #定义生成的plot 的标题
    xaxis_title = 'DATE',		#定义x坐标名称
    yaxis_title = 'Weather'		#定义y坐标名称
)
of.plot(fig)

使用数据：
      DATE  Auckland  Christchurch Dunedin Hamilton  Wellington
0  2000-01     115.4          47.2   174.8     96.2        91.8
1  2000-02       8.4          25.2      41      8.2        35.2
2  2000-03      57.2          60.8    74.2     33.8        53.4
3  2000-04     106.8          58.2      50    129.6       109.8
4  2000-05     128.2          62.0      '-     98.2        78.2

example2 Bar

通过Bar画条形图：

# Bar  
# 由于数据有很多，我就挑选一年的数据做为示例
data_2010 = data[(data['DATE'] >= '2010-01') & (data['DATE'] < '2011-01')] 
bar1 = go.Bar(y=data_2010['Auckland'], x=data_2010['DATE'],
              text = data_2010['Auckland'], textposition = 'outside', name='Auckland') # 
bar2 = go.Bar(y=data_2010['Wellington'], x=data_2010['DATE'],
              text = data_2010['Wellington'], textposition = 'outside', name='Wellington') # textpositon 是将text数据显示在条形柱上， outside是外面， inside是里面 ；name 和上述Scatter一样
fig = go.Figure([bar1,bar2])
fig.update_layout(
    title = 'New Zealand Weather',
    xaxis_title = 'DATE',
    yaxis_title = 'Weather',
)
of.plot(fig)

注解图：

example3 Histogram

Histogram统计某列数据的次数：

# Histogram
hist1 = go.Histogram(x=data['Auckland'], xbins={'size': 10}, name='Auckland') # xbins={'size': 10} 是以10为范围，统计数据次数
hist2 = go.Histogram(x=data['Wellington'], xbins={'size': 10}, name='Wellington')
fig = go.Figure([hist1, hist2])
fig.update_layout(
    title = 'New Zealand Weather',
    xaxis_title = 'Weather',
    yaxis_title = 'count',
    bargap = 0.1, # 是柱与柱之间存在空隙
)
of.plot(fig)

example4 Express

Express 是一种更方便的制作图表的方法：

• 导入Express
  import plotly.express as px
• 使用Express 来完成example1的方法：

# plotly.express
import plotly.express as px
data = pd.read_csv(r'C:\Users\Administrator\Desktop\data\iris.csv')
fig = px.scatter(data, x='SepalLength', y='SepalWidth',
                 color='Name',
                 )  
of.plot(fig)

使用的数据：鸢尾花数据集
   SepalLength  SepalWidth  PetalLength  PetalWidth         Name
0          5.1         3.5          1.4         0.2  Iris-setosa
1          4.9         3.0          1.4         0.2  Iris-setosa
2          4.7         3.2          1.3         0.2  Iris-setosa
3          4.6         3.1          1.5         0.2  Iris-setosa
4          5.0         3.6          1.4         0.2  Iris-setosa

example5 pie

通过Express方法生成饼图:

data = pd.read_csv(r'C:\Users\Administrator\Desktop\data\pie-charts-with-excel.csv')
print(data.head())
fig = px.pie(data, names=data['Label'], values=data['Values'], title='pie-charts-with-excel',)
of.plot(fig)

使用数据：
   Unnamed: 0   Label  Values
0           0  ZDS.FY      70
1           1  RPF.JV      20
2           2  ACC.UM      17
3           3  NCY.LC      76
4           4  EIK.JE      99

example6 3D

• 普通方法生成3D plot

# 3D
data1 = pd.read_csv(r'C:\Users\Administrator\Desktop\data\3d-line1.csv')
#print(data1.head())
line1 = go.Scatter3d(x=data1['x'], y=data1['y'], z=data1['z'],
                     mode='markers', marker={'size': 3, 'color': data1['color']})
fig4 = go.Figure(line1)
of.plot(fig4)

• Express方法生成3D plot

fig5 = px.scatter_3d(data1, x='x', y='y', z='z', color='color')
of.plot(fig5)

使用数据：
            x         y         z  color
0  100.000000  0.613222  0.734706      0
1   99.238875  0.589852  0.781320      0
2   99.559608  0.599743  0.762566      0
3   97.931425  0.549296  0.859966      0
4   96.837832  0.515613  0.927150      0

example7 Densitymapbox

生成地图数据：

data = pd.read_csv(r'C:\Users\Administrator\Desktop\data\earthquakes.csv')
# print(data.head())
my_map = go.Densitymapbox(lat=data['Latitude'], lon=data['Longitude'], z=data['Magnitude'], radius=4)
fig = go.Figure(my_map)
fig.update_layout(mapbox_style='open-street-map')  #必须有这个地图参数
 #可以使用的免费地图："open-street-map", "carto-positron", "carto-darkmatter", "stamen-terrain", "stamen-toner" or "stamen-watercolor"
of.plot(fig)

使用数据：
         Date  Latitude  Longitude  Magnitude
0  01/02/1965    19.246    145.616        6.0
1  01/04/1965     1.863    127.352        5.8
2  01/05/1965   -20.579   -173.972        6.2
3  01/08/1965   -59.076    -23.557        5.8
4  01/09/1965    11.938    126.427        5.8

plotly官方文档：

https://plotly.com/python/

---

结束语：
1.所有的数据都可以在plotly官方的github上找到。
2.如果我有什么讲得不好的地方欢迎大佬指点评论
3.原文链接https://blog.csdn.net/weixin_43347550/article/details/106163458