1、plotly库的相关介绍
1）相关说明
- plotly是一个基于javascript的绘图库，plotly绘图种类丰富，效果美观；
- 易于保存与分享plotly的绘图结果，并且可以与Web无缝集成；
- ploty默认的绘图结果，是一个HTML网页文件，通过浏览器可以直接查看；
2）plotly与matplotlib、seaborn的关系
"color: #ff0000">2、导入相关库
"htmlcode">
import os
import numpy as np
import pandas as pd
import plotly as py
import plotly.graph_objs as go
import plotly.expression as px
from plotly import tools
import warnings
warnings.filterwarnings("ignore")
3、plotly绘图原理
1）ployly常用的两个绘图模块：graph_objs和expression
"htmlcode">
df = pd.read_excel("plot.xlsx")
# 步骤一
trace0 = go.Scatter(x=df["年份"],y=df["城镇居民"],name="城镇居民")
trace1 = go.Scatter(x=df["年份"],y=df["农村居民"],name="农村居民")
# 步骤二
data = [trace0,trace1]
# 步骤三
fig = go.Figure(data)
# 步骤四
fig.update_layout(
title="城乡居民家庭人均收入",
xaxis_title="年份",
yaxis_title="人均收入（元）"
)
# 步骤五
fig.show()
结果如下：
② 原理说明
1、绘制图形轨迹，在ployly里面叫做trace，每一个轨迹是一个trace。
2、将轨迹包裹成一个列表，形成一个“轨迹列表”。一个轨迹放在一个列表中，多个轨迹也是放在一个列表中。
3、创建画布的同时，并将上述的“轨迹列表”，传入到Figure()中。
4、使用Layout添加其他的绘图参数，完善图形。
5、展示图形。
3）expression(“px”)库的绘图原理
① 简单的案例说明
iris = pd.read_excel("iris.xlsx",sheet_name="Sheet2")
fig = px.scatter(iris,x="花萼长度",y="花萼宽度",color="属种")
fig.show()
结果如下：
② 原理说明
1、直接使用px调用某个绘图方法时，会自动创建画布，并画出图形。
2、展示图形。
4、保存图形的两种方式
1）直接下载下来：保存成png静态图片
2）使用py.offline.plot(fig,filename=“XXX.html”)代码保存成html网页动态图片
iris = pd.read_excel("iris.xlsx",sheet_name="Sheet2")
fig = px.scatter(iris,x="花萼长度",y="花萼宽度",color="属种")
py.offline.plot(fig,filename="iris1.html")
结果如下：该文件是一个html文件，这里上传不了，自己下去尝试一下就知道了。
3）总结说明
"color: #ff0000">5、绘制双y轴图
1）数据集如下
2）绘制不同地区的“任务完成量”和“任务完成率”情况
df = pd.read_excel("double_y.xlsx")
x = df["地区"]
y1 = df["完成量"]
y2 = df["完成率"]
trace0 = go.Bar(x=x,y=y1,
marker=dict(color=["red","blue","green","darkgrey","darkblue","orange"]),
opacity=0.5,
name="不同地区的任务完成量")
trace1 = go.Scatter(x=x,y=y2,
mode="lines",
name="不同地区的任务完成率",
# 【步骤一】：使用这个参数yaxis="y2"，就是绘制双y轴图
yaxis="y2")
data = [trace0,trace1]
layout = go.Layout(title="不同地区的任务完成量和任务完成率情况",
xaxis=dict(title="地区"),
yaxis=dict(title="不同地区的任务完成量"),
# 【步骤二】：给第二个y轴，添加标题，指定第二个y轴，在右侧。
yaxis2=dict(title="不同地区的任务完成率",overlaying="y",side="right"),
legend=dict(x=0.78,y=0.98,font=dict(size=12,color="black")))
fig = go.Figure(data=data,layout=layout)
fig.show()
结果如下：
6、绘制多子图：一个画布上绘制多个图形
1）相关库和方法介绍
1、绘制多个子图，需要先导入tools库。from plotly import tools
2、tools.make_subplots(rows= ,cols=)用于指定绘图布局，rows和cols表示将画布布局成几行几列。
3、fig.append_trace()将每个图形轨迹trace，绘制在不同的位置上。
2）分别绘制不同地区的“任务完成量”和“任务完成率”情况
# 步骤一：导入相关库
from plotly import tools
# 步骤二：指定绘图布局
fig = tools.make_subplots(rows=2,cols=1)
# 步骤三：绘制图形轨迹
trace0 = go.Bar(x=x,y=y1,
marker=dict(color=["red","blue","green","darkgrey","darkblue","orange"]),
opacity=0.5,
name="不同地区的任务完成量")
trace1 = go.Scatter(x=x,y=y2,
mode="lines",
name="不同地区的任务完成率",
line=dict(width=2,color="red"))
# 步骤四：将第一个轨迹，添加到第1行的第1个位置
# 将第二个轨迹，添加到第2行的第1个位置
fig.append_trace(trace0,1,1)
fig.append_trace(trace1,2,1)
# 步骤四：根据自己的需求，给图形添加标题。height、width参数用于指定图形的宽和高
fig.update_layout(title="不同地区的任务量与完成量",height=800,width=800)
# 步骤五：展示图形
fig.show()
结果如下：
免责声明：本站文章均来自网站采集或用户投稿，网站不提供任何软件下载或自行开发的软件！ 如有用户或公司发现本站内容信息存在侵权行为，请邮件告知！ 858582#qq.com