专栏首页邵靖的专栏使用 plotly 绘制数据图表
原创

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。

我来说两句

0 条评论
登录 后参与评论

相关文章

  • 一个基于 Docker 的负载均衡实例

    本文目地主要是给大家简单安利一下目前最火的容器产品 Docker 及其所涉及的相关技术,并通过一个实际例子演示一下容器技术的典型应用场景。

    邵靖
  • 使用 Valgrind 检测 CGI 内存泄漏的简易方法

    Valgrind 的使用十分简单,通过设置一定的参数启动二进制可执行程序,并且在执行结束之后收集结果输出即可。但是我们的 CGI 是通过 Apache 运行的,...

    邵靖
  • Python 字符串子串定位性能比较

    本文想探讨的是在给定了key字段在字段列表中开始下标和key字段个数后,如何在整行字符串中定位到key字符串的起始位置。

    邵靖
  • win10 uwp 解决 SerialDevice.FromIdAsync 返回空

    调用 SerialDevice.FromIdAsync 可能返回空,因为没有设置 package.appmanifest 可以使用端口

    林德熙
  • 基于PHP实现短信验证码发送次数限制

      对用户获取短信验证码的手机号、ip、和浏览器(使用唯一标识)进行限制。本文介绍的方法是对用户每天只能通过同一浏览器或同一ip地址获取验证码10次或者同一手机...

    砸漏
  • Detectron2源码阅读笔记-(三)Dataset pipeline

    结合前面两篇文章的内容可以看到detectron2在构建model,optimizer和data_loader的时候都是在对应的build.py文件里实现的。我...

    marsggbo
  • Detectron2源码阅读笔记-(三)Dataset

    结合前面两篇文章的内容可以看到detectron2在构建model,optimizer和data_loader的时候都是在对应的build.py文件里实现的。我...

    marsggbo
  • 如何在Ubuntu 14.04上使用PostgreSQL和Ruby on Rails应用程序

    Ruby on Rails使用sqlite3作为其默认数据库,在许多情况下效果很好,但可能不适合您的应用程序。如果您的应用程序需要客户端/服务器SQL数据库(如...

    温浪
  • 迁移到云端?SD-WAN很重要!

    高性能的SD-WAN解决方案提供了一种安全可靠的方式,可以灵活地将用户连接到应用程序以使用任何底层传输组合。

    静一
  • IQueryable与IEnumberable的区别

    转自 http://www.cnblogs.com/fly_dragon/archive/2011/02/21/1959933.html

    CherishTheYouth

扫码关注云+社区

领取腾讯云代金券