使用 plotly 绘制数据图表

导语:使用 python-plotly 模块来进行压测数据的绘制,并且生成静态 html 页面结果展示。

不少小伙伴在开发过程中都有对模块进行压测的经历,压测结束后大家往往喜欢使用Excel处理压测数据并绘制数据可视化视图,但这样不能很方便的使用web页面进行数据展示。本文将介绍使用python-plotly模块来进行压测数据的绘制,并且生成静态html页面方便结果展示。

Plotly简介

Plotly是一款使用JavaScript开发的制图工具,提供了与主流数据分析语言交互的API(如:Python, R, MATLAB)。大家可以到官网https://plot.ly/ 了解更多详细的信息。Plotly能够绘制具有用户交互功能的精美图表。

Python-Plotly 安装

本文档主要是介绍使用plotly的Python API来进行几种简单图表的绘制,更多Plotly的用法请参考https://plot.ly/python/

Python-Plotly可以使用pip安装,并且最好在Python2.7版本及以上安装使用,如果使用Python2.6版本,请自行安装Python2.7和对应的pip。

Plotly绘图实例

line-plots

绘图效果:

生成的html页面在右上角提供了丰富的交互工具。

代码:

def line_plots(name):
    '''
    绘制普通线图
    '''
    #数据,x为横坐标,y,z为纵坐标的两项指标,三个array长度相同
    dataset = {'x':[0,1,2,3,4,5,6,7,8,9],
               'y':[5,4,1,3,11,2,6,7,19,20],
               'z':[12,9,0,0,3,25,8,17,22,5]}
    data_g = []
    #分别插入 y, z
    tr_x = Scatter(
        x = dataset['x'],
        y = dataset['y'],
        name = 'y' 
    )
    data_g.append(tr_x)
    tr_z = Scatter(
        x = dataset['x'],
        y = dataset['z'],
        name = 'z' 
    )
    data_g.append(tr_z)
    #设置layout,指定图表title,x轴和y轴名称
    layout = Layout(title="line plots", xaxis={'title':'x'}, yaxis={'title':'value'})
    #将layout设置到图表
    fig = Figure(data=data_g, layout=layout)
    #绘图,输出路径为name参数指定
    pltoff.plot(fig, filename=name)

scatter-plots

绘图效果:

代码:

def scatter_plots(name):
    '''
    绘制散点图
    '''
    dataset = {'x':[0,1,2,3,4,5,6,7,8,9],
               'y':[5,4,1,3,11,2,6,7,19,20],
               'text':['5_txt','4_txt','1_txt','3_txt','11_txt','2_txt','6_txt','7_txt','19_txt','20_txt']}

    data_g = []

    tr_x = Scatter(
        x = dataset['x'],
        y = dataset['y'],
        text = dataset['text'],
        textposition='top center',
        mode='markers+text',
        name = 'y' 
    )
    data_g.append(tr_x)

    layout = Layout(title="scatter plots", xaxis={'title':'x'}, yaxis={'title':'value'})
    fig = Figure(data=data_g, layout=layout)
    pltoff.plot(fig, filename=name)

bar-charts

绘图效果:

代码:

def bar_charts(name):
    '''
    绘制柱状图
    '''
    dataset = {'x':['Windows', 'Linux', 'Unix', 'MacOS'],
               'y1':[45, 26, 37, 13],
               'y2':[19, 27, 33, 21]}
    data_g = []
    tr_y1 = Bar(
        x = dataset['x'],
        y = dataset['y1'],
        name = 'v1'
    )
    data_g.append(tr_y1)

    tr_y2 = Bar(
        x = dataset['x'],
        y = dataset['y2'],
        name = 'v2'
    )
    data_g.append(tr_y2)
    layout = Layout(title="bar charts", xaxis={'title':'x'}, yaxis={'title':'value'})
    fig = Figure(data=data_g, layout=layout)
    pltoff.plot(fig, filename=name)

pie-charts

绘图效果:

代码:

def pie_charts(name):
    '''
    绘制饼图
    '''
    dataset = {'labels':['Windows', 'Linux', 'Unix', 'MacOS', 'Android', 'iOS'],
               'values':[280, 25, 10, 100, 250, 270]} 
    data_g = []
    tr_p = Pie(
        labels = dataset['labels'],
        values = dataset['values']
    )
    data_g.append(tr_p)
    layout = Layout(title="pie charts")
    fig = Figure(data=data_g, layout=layout)
    pltoff.plot(fig, filename=name)
		

filled-area-plots

本例是绘制具有填充效果的堆叠线图,适合分析具有堆叠百分比属性的数据

绘图效果:

代码:

def filled_area_plots(name):
    '''
    绘制堆叠填充的线图
    '''
    dataset = {'x':[0,1,2,3,4,5,6,7,8,9],
               'y1':[5,4,1,3,11,2,6,7,19,20],
               'y2':[12,9,0,0,3,25,8,17,22,5],
               'y3':[13,22,46,1,15,4,18,11,17,20]}

    #计算y1,y2,y3的堆叠占比
    dataset['y1_stack'] = dataset['y1']
    dataset['y2_stack'] = [y1+y2 for y1, y2 in zip(dataset['y1'], dataset['y2'])]
    dataset['y3_stack'] = [y1+y2+y3 for y1, y2, y3 in zip(dataset['y1'], dataset['y2'], dataset['y3'])]

    dataset['y1_text'] = ['%s(%s%%)'%(y1, y1*100/y3_s) for y1, y3_s in zip(dataset['y1'], dataset['y3_stack'])]
    dataset['y2_text'] = ['%s(%s%%)'%(y2, y2*100/y3_s) for y2, y3_s in zip(dataset['y2'], dataset['y3_stack'])]
    dataset['y3_text'] = ['%s(%s%%)'%(y3, y3*100/y3_s) for y3, y3_s in zip(dataset['y3'], dataset['y3_stack'])]

    data_g = []
    tr_1 = Scatter(
        x = dataset['x'],
        y = dataset['y1_stack'],
        text = dataset['y1_text'],
        hoverinfo = 'x+text',
        mode = 'lines',
        name = 'y1', 
        fill = 'tozeroy' #填充方式: 到x轴
    )
    data_g.append(tr_1)

    tr_2 = Scatter(
        x = dataset['x'],
        y = dataset['y2_stack'],
        text = dataset['y2_text'],
        hoverinfo = 'x+text',
        mode = 'lines',
        name = 'y2', 
        fill = 'tonexty' #填充方式:到下方的另一条线
    )
    data_g.append(tr_2)

    tr_3 = Scatter(
        x = dataset['x'],
        y = dataset['y3_stack'],
        text = dataset['y3_text'],
        hoverinfo = 'x+text',
        mode = 'lines',
        name = 'y3',
        fill = 'tonexty'
    )
    data_g.append(tr_3)

    layout = Layout(title="field area plots", xaxis={'title':'x'}, yaxis={'title':'value'})
    fig = Figure(data=data_g, layout=layout)
    pltoff.plot(fig, filename=name)

小结

本文介绍了利用python-plotly绘制数据图的方法,实例中 线图(line plots)、散点图(scatter plots)、柱状图(bar charts)、饼图(pie charts)以及填充堆叠线图(filled area plots)这五种典型的图表基本上涵盖了大部分类型的测试数据,各位小伙伴可以加以变形绘制出更多的漂亮图标。文中所示代码在附件中^_^

参考资料

1.https://plot.ly/python/basic-charts/

2.https://images.plot.ly/plotly-documentation/images/python_cheat_sheet.pdf

附件:

原创声明,本文系作者授权云+社区发表,未经许可,不得转载。

如有侵权,请联系 yunjia_community@tencent.com 删除。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏DannyHoo的专栏

iOS中将字体设置成斜体且加粗

版权声明:本文为博主原创文章,未经博主允许不得转载。 https://blog.csdn.net/u010105969/article/details/...

2821
来自专栏一“技”之长

Bootstrap响应式前端框架笔记十六——模态框交互

    模态框也可以称为弹出窗,其作用是当用户点击某个功能按钮后,在网页上弹出一个内容窗口。在Bootstrap中,创建模态框十分简单。首先模态框组件通过mod...

1021
来自专栏DannyHoo的专栏

iOS 开发中Masonry和SnapKit在使用上的一些区别

版权声明:本文为博主原创文章,未经博主允许不得转载。 https://blog.csdn.net/u010105969/article/details/...

2232
来自专栏用户2442861的专栏

【Qt编程】基于QWT的曲线绘制及图例显示操作

http://blog.csdn.net/tengweitw/article/details/41911035

7401
来自专栏我分享我快乐

如何将flash制作的动画存成高质量的GIF

喜欢用flash制作GIF动画的同学有个疑惑就是flash直接导出的GIF质量不高无法达到我们对动画的色彩要求,所以下面教大家如何将flash制作的动画存成...

3337
来自专栏Java与Android技术栈

图像中二维码的检测和定位

所谓开操作是指先腐蚀后膨胀的操作。在之前的文章二值图像分析:案例实战(文本分离+硬币计数)曾经介绍过开操作的用途。

2153
来自专栏V站

python实现生成验证码的逻辑

2108
来自专栏企鹅号快讯

浅谈 Web 图像优化

前端优化有很多,图像优化也是其中的一部分。无论是渐进增强还是优雅降级,图像优化成为了开发上不可忽视的一部分。 知其然,须知其所以然 图像优化的前提是需要了解图像...

2149
来自专栏我的python

python数据可视化之画箱形图

最近接到锅让画几个数据图。其实第一反应是用origin来画图,但问了一圈周围没有用Origin画过箱形图的,有些问题无法解决又百度不到。但好在略懂一点pytho...

2K0
来自专栏ios 技术积累

ios Charts MarkerView遇到的一个问题

两个问题 问题1:最大值的的时候 MarkerView 坐标有问题 ,原因就是最大值的时候,曲线已经在View的顶部了,所以MarkerView 的Y坐标还要...

3013

扫码关注云+社区