用 Plotly 绘制了几张精湛的图表，美翻了！！

说到Python当中的可视化模块，相信大家用的比较多的还是matplotlib、seaborn等模块，今天小编来尝试用Plotly模块为大家绘制可视化图表，和前两者相比，用Plotly模块会指出来的可视化图表有着很强的交互性。

import?numpy?as?np
import?plotly.graph_objects?as?go

#?create?dummy?data
vals?=?np.ceil(100?*?np.random.rand(5)).astype(int)
keys?=?["A",?"B",?"C",?"D",?"E"]

我们基于所生成的假数据来绘制柱状图，代码如下：

fig?=?go.Figure()
fig.add_trace(
?go.Bar(x=keys,?y=vals)
)
fig.update_layout(height=600,?width=600)
fig.show()

output

可能读者会感觉到绘制出来的图表略显简单，我们再来完善一下，添加上标题和注解，代码如下：

#?create?figure
fig?=?go.Figure()
#?绘制图表
fig.add_trace(
????go.Bar(x=keys,?y=vals,?hovertemplate="<b>Key:</b>?%{x}<br><b>Value:</b>?%{y}<extra></extra>")
)
#?更新完善图表
fig.update_layout(
????font_family="Averta",
????hoverlabel_font_family="Averta",
????title_text="直方图",
????xaxis_title_text="X轴-键",
????xaxis_title_font_size=18,
????xaxis_tickfont_size=16,
????yaxis_title_text="Y轴-值",
????yaxis_title_font_size=18,
????yaxis_tickfont_size=16,
????hoverlabel_font_size=16,
????height=600,?
????width=600
)
fig.show()

分组条形图和堆积条形图

vals_2?=?np.ceil(100?*?np.random.rand(5)).astype(int)
vals_3?=?np.ceil(100?*?np.random.rand(5)).astype(int)

vals_array?=?[vals,?vals_2,?vals_3]

然后我们遍历获取列表中的数值并且绘制成条形图，代码如下：

#?生成画布
fig?=?go.Figure()
#?绘制图表
for?i,?vals?in?enumerate(vals_array):
????fig.add_trace(
????????go.Bar(x=keys,?y=vals,?name=f"Group?{i+1}",?hovertemplate=f"<b>Group?{i+1}</b><br><b>Key:</b>?%{{x}}<br><b>Value:</b>?%{{y}}<extra></extra>")
????)
#?完善图表
fig.update_layout(
????barmode="group",
????......
)
fig.show()

output

而我们想要变成堆积状的条形图，只需要修改代码中的一处即可，将fig.update_layout(barmode="group")修改成fig.update_layout(barmode="group")即可，我们来看一下出来的样子。

箱型图

#?create?dummy?data?for?boxplots
y1?=?np.random.normal(size=1000)
y2?=?np.random.normal(size=1000)

我们将上面生成的数据绘制成箱型图，代码如下：

#?生成画布
fig?=?go.Figure()
#?绘制图表
fig.add_trace(
????go.Box(y=y1,?name="Dataset?1"),
)
fig.add_trace(
????go.Box(y=y2,?name="Dataset?2"),
)
fig.update_layout(
????......
)
fig.show()

散点图和气泡图

x?=?[i?for?i?in?range(1,?10)]
y?=?np.ceil(1000?*?np.random.rand(10)).astype(int)

然后我们来绘制散点图，调用的是Scatter()方法，代码如下：

#?create?figure
fig?=?go.Figure()

fig.add_trace(
????go.Scatter(x=x,?y=y,?mode="markers",?hovertemplate="<b>x:</b>?%{x}<br><b>y:</b>?%{y}<extra></extra>")
)

fig.update_layout(
????.......
)
fig.show()

s?=?np.ceil(30?*?np.random.rand(5)).astype(int)

我们将上面用作绘制散点图的代码稍作修改，通过marker_size参数来设定散点的大小，如下所示：

fig?=?go.Figure()

fig.add_trace(
????go.Scatter(x=x,?y=y,?mode="markers",?marker_size=s,?text=s,?hovertemplate="<b>x:</b>?%{x}<br><b>y:</b>?%{y}<br><b>Size:</b>?%{text}<extra></extra>")
)
fig.update_layout(
????......
)
fig.show()

直方图

##?创建假数据
data?=?np.random.normal(size=1000)

然后我们来绘制直方图，调用的是Histogram()方法，代码如下：

#?创建画布
fig?=?go.Figure()
#?绘制图表
fig.add_trace(
????go.Histogram(x=data,?hovertemplate="<b>Bin?Edges:</b>?%{x}<br><b>Count:</b>?%{y}<extra></extra>")
)
fig.update_layout(
????height=600,
????width=600
)
fig.show()

output

我们再在上述图表的基础之上再进行进一步的格式优化，代码如下：

#?生成画布
fig?=?go.Figure()
#?绘制图表
fig.add_trace(
????go.Histogram(x=data,?histnorm="probability",?hovertemplate="<b>Bin?Edges:</b>?%{x}<br><b>Count:</b>?%{y}<extra></extra>")
)
fig.update_layout(
????......
)
fig.show()

多个子图拼凑到一块儿

from?plotly.subplots?import?make_subplots
##?2行2列的图表
fig?=?make_subplots(rows=2,?cols=2)
##?生成一批假数据用于图表的绘制
x?=?[i?for?i?in?range(1,?11)]
y?=?np.ceil(100?*?np.random.rand(10)).astype(int)
s?=?np.ceil(30?*?np.random.rand(10)).astype(int)
y1?=?np.random.normal(size=5000)
y2?=?np.random.normal(size=5000)

接下来我们将所要绘制的图表添加到add_trace()方法当中，代码如下：

#?绘制图表
fig.add_trace(
????go.Bar(x=x,?y=y,?hovertemplate="<b>x:</b>?%{x}<br><b>y:</b>?%{y}<extra></extra>"),
????row=1,?col=1
)
fig.add_trace(
????go.Histogram(x=y1,?hovertemplate="<b>Bin?Edges:</b>?%{x}<br><b>Count:</b>?%{y}<extra></extra>"),
????row=1,?col=2
)
fig.add_trace(
????go.Scatter(x=x,?y=y,?mode="markers",?marker_size=s,?text=s,?hovertemplate="<b>x:</b>?%{x}<br><b>y:</b>?%{y}<br><b>Size:</b>?%{text}<extra></extra>"),
????row=2,?col=1
)
fig.add_trace(
????go.Box(y=y1,?name="Dataset?1"),
????row=2,?col=2
)
fig.add_trace(
????go.Box(y=y2,?name="Dataset?2"),
????row=2,?col=2
)
fig.update_xaxes(title_font_size=18,?tickfont_size=16)
fig.update_yaxes(title_font_size=18,?tickfont_size=16)
fig.update_layout(
????......
)
fig.show()

output