Plotly 学习、示例与参数解读系列【1】概览
文章目录
- Plotly 学习、示例与参数解读系列
- 1 概览
-
- 1.1 plotly/plotly_express能画哪些图
- 1.2 结构速览
-
- 1.2.1 Figure结构：
- 1.2.2 plotly/plotly_express的Figure对象比较
- 1.2.3 Figure 参数
- 1.2.4 Figure更新和修改
- 1.3 plotly_express的参数
- 1.4 应用领域及图表速览
Plotly 学习、示例与参数解读系列
1 概览
plotly是一个基于javascript的绘图库，python语言对相关参数进行了封装，ploty默认是生成HTML网页文件，通过浏览器查看，也可以在jupyter notebook中显示。
plotly在python中绘图使用分三种：1、plotly.graph_objs； 2、plotly.express ; 3、dash。
plotly.express 对plotly进行了高级封装，已经整合到plotly中，不需要单独安装。plotly.express 也是调用plotly的绘图功能来实现。dash在使用上，可以将前面两个生成的图传给dash，也可以直接传一个配置字典。
Plotly express是官网推荐的使用入口。当快速绘制图时，优选plotly.express ,需要进行高级定制时，可以通过对Figure配置参数实现。
1.1 plotly/plotly_express能画哪些图
图表类型有：
- 基础图形: scatter（散点）, line（线条图), area(面积图）, bar（柱状图）, funnel（漏斗图）, timeline(时间线图）
- 整体与部分的表示: pie（饼图）, sunburst（旭日图）, treemap（树形图）, icicle（冰柱图）, funnel_area（面积漏斗图）
- 一维分布: histogram（直方图）, box（箱形图）, violin(小提琴图）, strip（长条图）, ecdf（）
- 二维分布: density_heatmap(密度热力图), density_contour（密度等值线图）
- 矩阵或图像输入: imshow
- 三维: scatter_3d(三维散点图), line_3d（三维线条图）
- 多维: scatter_matrix(矩阵散点图), parallel_coordinates(平行坐标图), parallel_categories(并行类别图)
- 平铺地图: scatter_mapbox(地图散点图), line_mapbox(地图线条图), choropleth_mapbox(等高(值)区域地图), density_mapbox（热力密度地图）
- 轮廓地图: scatter_geo（地理坐标散点图）, line_geo（地理坐标线条图）, choropleth（等高(值)区域地图）
- 极坐标图: scatter_polar（极坐标散点图）, line_polar（极坐标线条图）, bar_polar（极坐标柱状图）
- 三元图表: scatter_ternary（三元散点图）, line_ternary（三元线条图）
1.2 结构速览
plotly/plotly_express都是生成和返回了Figure对象，为plotly.graph_objs._figure.Figure的实例。
1.2.1 Figure结构：
import plotly.graph_objects as go
go.Figure(
data=[],
layout=None,
frames=None,
skip_invalid=False,
**kwargs,
)
参数中：
data：绘图系列，如散点图、柱状图，包括数据及针对具体图的参数。
layout：x、y坐标轴、标题、图例等。
frames：动画显示时的参数配置。
1.2.2 plotly/plotly_express的Figure对象比较
分别以go和px为例看生成的数据。import时，plotly.graph_objects简写为go, plotly.express简写为px。
import plotly.graph_objects as go
import plotly.express as px
x=[1,2,3]
y=[4,5,6]
go_fig=go.Figure(
data=[
go.Scatter(
x=x,
y=y
)
]
)
px_fig=px.scatter(x=x,y=y)
#二者均为Figure对象
print(type(go_fig),type(px_fig))
#可以用print直接查看dict数据，因此也可以用修改dict的方式修改相关参数和数据。
print("【go.Figure】\n",go_fig)
print("【px.Scatter】\n",px_fig)
输出为：
【go.Figure】
Figure({
'data': [{'type': 'scatter', 'x': [1, 2, 3], 'y': [4, 5, 6]}], 'layout': {'template': '...'}
})
【px.Scatter】
Figure({
'data': [{'hovertemplate': 'x=%{x}
y=%{y} 1.2.3 Figure 参数
由Figure的结构来看，传入的参数为data、layout等。
data
在plotly中，单个的图形对象通常用trace来表示，如：
trace0 = go.Scatter(…)
trace1 = goLine(…)
data表示的即是一个个的trace，而非x、y这样的数据，data可以是对象列表[]，也可以是对象元组()。
fig0=go.Figure(
data=[
go.Scatter(...),
go.Bar(...),
go.Line()
]
)
fig1=go.Figure(
data=(trace0,trace1)
)
layout
包括注释、x/y轴、颜色轴、标题、悬停提示、滚动条等，通常都是go.Layout.*中的子类。
可设置项包括：
frames
为plotly.graph_objs.Frame的实例元组或列表，用于动画帧的定义。
1.2.4 Figure更新和修改
Figure的更新比较灵活，可以按层次结构来改，也可以指定名称修改，也可以传入字典。详细的参数可以针对每一个图形来看。
方式一
Figure对象被组织成了树状结构，为dict字典格式，访问时也可以直接通过dict的路径访问。
如设置标题：
px_fig.layout.title.text="散点图" #或者：px_fig.layout.title="散点图"
px_fig.layout.title.font.color="red"
px_fig.show()
方式二
通过plotly的update函数。
- data: update_traces()
- layout: update_layout()
如方式一中的修改，用方式二来实现
px_fig.update_layout(title={"text":"散点图","font":{'color':'red'}})
#或者用_连接fig路径，如：
#px_fig.update_layout(title='散点图',title_font_color='blue')
1.3 plotly_express的参数
plotly_express在生成时，通常要指定的参数不多，确实是很epress。在生成时要指定的参数是比较有限的，参数包括了Figure结构的data和layout中的部分参数。生成fig后，就可以按Figure对象正常修改。
一些常见的参数有：
data_frame, x, y，symbol， range_x, range_y，color， hover_name, hover_data, labels,title等。
plotly_express的参数和默认值对比如下（如空白，表示无该参数），但plotly_express参数并没有**kwargs，所以要修改指定参数外的参数，还得通过生成的fig来进一步修改。
plotly_express的参数、调用的plotly模块和默认值一览表
1.4 应用领域及图表速览
应用领域包括统计、科学图表、地图、AI和机器学习等。如官网所示