数据可视化分析2.4

Plotly部分

density密度图

数据沿用数据可视化分析2.3的PUGB吃鸡数据文件。

from plotly.offline import download_plotlyjs , init_notebook_mode,plot ,iplot
import plotly.graph_objs as go
import pandas as pd
pubg = pd.read_csv("PUBG.csv")
df_pubg = pubg.apply(pd.to_numeric,errors = 'ignore')
df_new_pubg = df_pubg.head(100)

import plotly.figure_factory as ff

2维图表需要两组数据：

x = df_new_pubg.solo_Wins
y = df_new_pubg.solo_TimeSurvived

设置参数：

colorscale = ['#7A4579','#D56073','rgb(236,158,105)',(1,1,0.2),(0.98,0.98,0.98)]

先不加入参数看看绘制效果

fig=ff.create_2d_density(x,y)
iplot(fig ,filename='histgram_subplot')

通过调色板进行颜色优化：

fig = ff.create_2d_density(x,y , colorscale= colorscale)

这里的密度图和直方图的颜色并不一致，接下来调整直方图颜色：

fig = ff.create_2d_density(x,y , colorscale= colorscale ,hist_color='rgb(255,237,222)' , point_size= 5)

3d散点图

3d图就需要三个数据：

x = df_new_pubg.solo_Wins
y = df_new_pubg.solo_TimeSurvived
z = df_new_pubg.solo_RoundsPlayed

利用go语句给trace赋值：

trace1 = go.Scatter3d(
    x=x,
    y=y,
    z=z,
    mode='markers'
)

data=[trace1]
fig=go.Figure(data=data)
iplot(fig)

对marker参数进行优化：

trace1 = go.Scatter3d(
    x=x,
    y=y,
    z=z,
    mode='markers',
    marker=dict(
        size=12,
        color=z,
        colorscale='Viridis',
        # 采用Viridis调色板
        opacity=0.8, 
        showscale =True
        # 增加图示
    )
)

颜色越浅表面玩的次数越多。
再增加一个布局文件：

layout = go.Layout(margin=dict(
    l=0,
    r=0,
    t=0,
    b=0
))

fig = go.Figure(data=data , layout=layout)
iplot(fig,filename='3d')

在线制图

在网上互动可视化是plotly最强大的特点之一。
首先需要在plotly官网点击Sign Up注册账号：plotly官网
登陆完成之后点击Settings：

之后找到API接口：

生成临时密码：

安装chart_studio库：

开始上传图片：

import chart_studio
import chart_studio.plotly as py

chart_studio.tools.set_credentials_file(username='D_Ddd0701',api_key='ZDBddR6QXiKshV9xdMwu')
# 输入网站上注册的用户名和生成的API
init_notebook_mode(connected=True)
# 笔记本和线上做连接
# 把刚才的代码复制过来，加入py.iplot
fig = go.Figure(data=data , layout=layout)
py.iplot(fig,filename='3d')

点击右下角EDIT按钮，进入网页发现图片已经上传上去，点击Save储存。

确定内容后再次点击Save：

此时图片已经被上传到个人File内：

点击Viewer可以浏览，也可以点击Editor编辑。

同样，也可以去参观别人做的图学习一下别人怎么做的。
系列文章：
matplotlib中文字体不显示解决办法
利用matplotlib绘制各类图表
数据可视化分析2.1
数据可视化分析2.2
数据可视化分析2.3