Plotly与chart_studio入门到放弃之系列一

---

Your charts. Your style. Your way.
Create, style and publish interactive web-ready charts
No coding required

最近买了一本《基于plotly的动态可视化绘图》，发现书还是跟不上官方文档啊！

在书上介绍还有官网介绍的记录plotly的Username和API_key，这里貌似在当前目录很难生成一个.plotly/.credentials，路过的有知道的可以在评论区留言让我明白一下！

发现在官网找到了这一句：Online features (plotly.plotly) moved to chart-studio package

给上官网最近新近版本的介绍：Version 4 Migration Guide in Python

• Replace plotly.api with chart_studio.api
• Replace plotly.dashboard_objs with chart_studio.dashboard_objs
• Replace plotly.grid_objs with chart_studio.grid_objs
• Replace plotly.presentation_objs with chart_studio.presentation_objs
• Replace plotly.widgets with chart_studio.widgets

貌似在官网中找到了一些眉目：online features已经迁移到chart_studio库中，貌似看起来还不错的样子！

import chart_studio
chart_studio.tools.set_credentials_file(
    username='', # 这儿就不放我自己的账号和api了
    api_key=''
    )
import chart_studio.plotly as py
from plotly.graph_objects import Scatter
trace0 = Scatter(
    x = [1, 2, 3, 4],
    y = [10, 15, 13, 17]
)
trace1 = Scatter(
    x = [1, 2, 3, 4],
    y = [16, 5, 11, 9]
)
data = ([trace0, trace1])
py.plot(data, filename='first_start')

自己从iris数据中玩一下

import plotly as py
import plotly.graph_objects as go
from sklearn.datasets import load_iris
plt = py.offline.plot
# 导入sklearn的数据集
iris = load_iris()
iris_X = iris.data  # 导入数据
iris_y = iris.target  # 导入标签
# create traces
trace0 = go.Scatter(
    x=iris_X[:, 0],  # 花萼长度
    y=iris_X[:, 1],  # 花萼宽度
    mode='markers',
    name='散点图'
)
trace1 = go.Scatter(
    x=iris_X[:, 2],  # 花瓣长度
    y=iris_X[:, 3],  # 花萼宽度
    mode='lines + markers',  # 散点图+线图
    name='散点图+线图'
)
trace2 = go.Scatter(
    x=iris_X[:, 1],  # 花萼长度
    y=iris_X[:, 2],  # 花瓣长度
    mode='lines',  # 线图
    name='线图'
)
data = [trace0, trace1, trace2]
plt(data, filename='base_picture.html')

基础入门玩一下，，还是有点儿意思的啊！

接下来应系统的学习一下绘图参数，加上自己的灵感，争取在社区发布一个很好看的动态交互式绘图！

随机伪造了一点数据画了一个饼图
绘图代码如下：

import chart_studio
import chart_studio.plotly as py
from plotly.graph_objects import Pie, Layout, Figure
chart_studio.tools.set_credentials_file(
    username=' ',
    api_key=' '
    )
data = {
    'labels': ['直接用户', '经销商', 'OEM', '设备商', '个人'],
    'values': [180, 280, 30, 741, 59]
}
trace = Pie(
    labels=data['labels'],
    values=data['values'])
data_plot = [trace]
layout = Layout(title='Pie charts')
fig = Figure(data=data_plot, layout=layout)
py.plot(fig, filename='饼图')

对上面的散点图做一些样式设置吧！

import numpy as np
import chart_studio
import chart_studio.plotly as py
from plotly.graph_objects import Scatter, Layout, Figure

chart_studio.tools.set_credentials_file(
    username='',
    api_key=''
    )

# 数据准备
N = 100
random_x = np.linspace(0, 1, N)
random_y1 = np.random.randn(N) + 5
random_y2 = np.random.randn(N)
random_y3 = np.random.randn(N) - 5

# 绘图
trace0 = Scatter(
    x=random_x,
    y=random_y1,
    name='Above',
    mode='markers+lines',
    marker=dict(
        size=10,    # 设置点的宽度
        color='rgba(152, 0, 0, 0.8)',   # 设置点的颜色
        ),
    line=dict(
        width=2,    # 设置线条的宽度
        color='rgb(0, 0, 0)'    # 设置线条的颜色
        )
    )
trace1 = Scatter(
    x=random_x,
    y=random_y2,
    name='Below',
    mode='markers',
    marker=dict(
        size=10,
        color='rgba(255, 182, 193, 0.9)',
        # line=dict(
        #    width=2,  # 设置点圈的宽度
        #    )
        )
    )

data = [trace0, trace1]
layout = Layout(
    title='Styled Scatter',
    yaxis=dict(zeroline=True),  # 显示y轴的0刻度线
    xaxis=dict(zeroline=False)  # 不显示x轴的0刻度线
    )
fig = Figure(data, layout=layout)
py.plot(fig, filename='Scatter_style.html')

代码将上面的注释的部分去掉之后即可！
样式设置后的散点图

在书上的代码块对重要参数markers的设置如下：

marker=dict(
        size=10,    # 设置点的宽度
        color='rgba(152, 0, 0, 0.8)',   # 设置点的颜色
	    line=dict(
        	width=2,    # 设置线条的宽度
        	color='rgb(0, 0, 0)'    # 设置线条的颜色
        )
    )

这里将line参数的设置放进了marker中，个人觉得，从逻辑和思考上来看，应该单独的对点和线条分别进行参数的设置，这样看起来的结构和逻辑都是很清晰的！在Scatter函数中给出了绘制线形图与散点图的主要参数。

• connectgaps: 布尔变量，用于连接缺失数据
• dx, dy ：x, y 坐标轴的步进值，默认值是1
• error_x、error_y：x、y出错信息
• fillcolor：填充颜色
• fill：填充模式，包括格式、颜色等
• hoverinfo：当用户与图形交互时，鼠标指针显示的参数，包括x、y、z坐标数据以及text（文字信息）、name（图形名称）等参数的组合，可使用+、all、none和skip（忽略）作为组合链接符号，默认是all（全部消失）。
• hoveron：当用户与图形交互时，鼠标指针显示的模式，包括points（点图）、fills（填充图）和points+fills（点图+填充图）三种模式。
• ids：在动画图表中，数据点和图形key键的列表参数
• legendgroup：图例参数，默认是空字符串
• line：线条参数，包括线条宽度、颜色、格式等
• marker：数据节点参数，包括大小、颜色、格式等
• mode：图形格式，包括lines（线形图）、markers（散点图）和text（文本），使用+或none等符号进行模式组合
• name：名称参数。
• opacity：透明度参数，范围是0~1
• rsrc、xsrc、tsrc、idssrc、textsrc、textpositionsrc：字符串源数组列表，可作为plotly网格标识符，用于设置特殊图标所需的r参数、x参数、y参数、t参数、ids参数、text参数和textposition参数
• r、t：用于极坐标图，r设置径向坐标（半径）、t用于设置角坐标
• showlegend：布尔变量，用于切换图标显示
• stream：数据流，用于实时显示数据图标
• textfont：文本字体参数，包括字体名称、颜色、大小等
• textposition：“文本”元素的位置参数，包括top left、top center、top right、middle left、middle center、middle right、bottom left、bottom center、bottom right。
• text：文本数据，设置每个“（x，y）对”关联的文本元素和数组列表格式，默认是空字符串
• type：数据显示模式，包括constant（常数）、percent（百分比）、sqrt（平方根）、array（数组）格式
• x0、y0：坐标轴起点坐标
• xaxis、yaxis：x、y坐标参数
• xcalender、ycalender：坐标时间参数的格式，默认是公历（gregorian），支持gregorian、chinese、coptic、discworld、ethiopian、hebrew、islamic、julian、mayan、nanakshahi、persian、jalali、taiwan、thai和ummalqura格式
• x，y：设置x、y轴的坐标数据

看了参数之后的感觉，对图形的思考是否多了一点灵魂？

个人将在后面的时间对plotly书上的图进一步的进行思考！