8个plotly绘图技巧

原创

皮大大

发布于 2023-09-17 23:27:05

3880

发布于 2023-09-17 23:27:05

文章被收录于专栏：机器学习/数据可视化机器学习/数据可视化

公众号：尤而小屋作者：Peter 编辑：Peter

大家好，我是Peter~

本文介绍可视化神器plotly绘图的8个常见技巧点：

如何添加标题及控制标题的颜色和大小
如何自定义x轴和y轴的名称
饼图中如何同时百分比和数值
如何控制柱状图宽度
如何添加注释
如何绘制多子图
如何添加图例以及控制其大小、颜色
如何快速绘制桑基图

什么是Plotly

Plotly 是一个用于创建交互式数据可视化的 Python 库，它允许你轻松地生成各种类型的图表和图形，包括折线图、散点图、柱状图、饼图、热力图、3D 图等。

官网学习地址：https://plotly.com/

Plotly 可以在 Jupyter Notebook、Python 脚本和 Web 应用程序中使用，它提供了多种工具和接口，使数据科学家、分析师和开发人员能够有效地探索和传达数据。

以下是 Plotly 的一些主要特点和优点：

交互性： Plotly 创建的图表具有强大的交互性，用户可以通过鼠标悬停、缩放、平移等操作与图表进行互动。这使得数据探索更加直观和有趣。
多种图表类型： Plotly 支持多种常见的图表类型，适用于不同类型的数据。你可以轻松创建折线图、散点图、柱状图、热力图、桑基图、3D 图等。
美观性： Plotly 图表具有出色的视觉效果和美观性，支持自定义样式和主题，以满足不同的可视化需求。
支持多平台： Plotly 可以在多种环境中使用，包括 Jupyter Notebook、Python 脚本、Web 应用程序以及一些 BI 工具中。
云服务： Plotly 提供云端服务，允许你将图表和可视化部署到云上，以供在线共享和嵌入到网站或应用中。
开源和商业版本： Plotly 有一个开源版本，可以免费使用，并有商业版本供付费订阅，提供更多高级功能和支持。

总之，Plotly 是一个强大且灵活的数据可视化工具，适用于各种数据分析和可视化需求。无论是用于数据探索、报告生成，还是创建交互式数据仪表板，Plotly 都是一个有力的选择。

plolty绘图如何添加标题，及控制标题的颜色和大小？

In 1:

import plotly.express as px

# 创建一个示例数据框
data = px.data.iris()
data.head()

Out1:

绘图代码如下：

In 2:

# 创建散点图
fig = px.scatter(data, 
                 x='sepal_width',
                 y='sepal_length',
                 color='species', 
                 title='Iris 数据集散点图')

# 设置标题的颜色和大小
fig.update_layout(
    title={
        'text': 'Iris 数据集散点图',
        'x': 0.5,  # 标题水平居中
        'y': 0.95,  # 标题距离图表顶部的距离
        'xanchor': 'center',  # x轴锚点为中心
        'yanchor': 'top',  # y轴锚点为顶部
        'font': {
            'size': 24,  # 标题字体大小
            'color': 'blue'  # 标题颜色
        }
    }
)

# 显示图表
fig.show()

plotly绘图如何自定义x轴和y轴的名称

In 3:

import plotly.graph_objects as go

# 创建散点图
fig = go.Figure()

# 添加数据
x_data = [1, 2, 3, 4]
y_data = [10, 11, 9, 12]

# 添加散点图
fig.add_trace(go.Scatter(x=x_data, y=y_data, mode="markers"))

# 自定义 x 轴和 y 轴的名称
fig.update_xaxes(title_text="自定义X轴名称")
fig.update_yaxes(title_text="自定义Y轴名称")

# 显示图表
fig.show()

饼图如何同时显示百分比和数值

In 4:

import plotly.express as px

# 创建示例数据
data = px.data.gapminder().query("year == 2007")
data.head()

Out4:

# 创建饼图
fig = px.pie(data, 
             values='pop', 
             names='continent',
             title='2007 年各大洲人口分布')


# 设置textinfo属性来同时显示百分比和数值
fig.update_traces(
    textinfo='percent+label+value',  # 显示百分比、标签和数值
    pull=[0, 0.1, 0, 0, 0],  # 可以添加pull属性来突出显示特定扇形
)

# 显示图表
fig.show()

柱状图宽度

In 6:

import plotly.express as px

# 创建示例数据
data = px.data.gapminder().query("year == 2007")
data.head()

1111

# 创建柱状图
fig = px.bar(data, 
             x='continent', 
             y='pop', 
             title='2007 年各大洲人口')

# 设置柱子宽度和柱组间隔
fig.update_layout(
    bargap=0.6,         # 控制柱子宽度，0.2表示柱子之间有20%的空隙
    bargroupgap=0.1     # 控制不同柱组之间的间隔，0.1表示柱组之间有10%的空隙
)

# 显示图表
fig.show()

如何添加注释

In 8:

import plotly.graph_objects as go

# 创建一个简单的散点图
fig = go.Figure(go.Scatter(
    x=[1, 2, 3, 4, 5],
    y=[10, 11, 12, 11, 10],
    mode='markers',
    marker=dict(size=10)
))

# 添加注释
fig.add_annotation(
    text='重要点',  # 注释文本
    x=3,             # x 轴坐标
    y=12,            # y 轴坐标
    showarrow=True,  # 是否显示箭头
    arrowhead=2,     # 箭头样式（2表示燕尾箭头）
    arrowsize=1.5,   # 箭头大小
)

# 显示图表
fig.show()

如何绘制多子图

In 9:

import plotly.graph_objects as go
from plotly.subplots import make_subplots

# 创建多子图布局，指定行数和列数
fig = make_subplots(rows=2, 
                    cols=2, 
                    subplot_titles=("子图1", "子图2", "子图3", "子图4"),  # 子图标题
                    specs=[[{}, {}], [{}, {"type": "pie"}]]  # 每个子图的类型
                   )


# 添加子图1：散点图
trace1 = go.Scatter(x=[1, 2, 3], y=[4, 5, 6], mode="markers", name="散点图")
fig.add_trace(trace1, row=1, col=1)

# 添加子图2：柱状图
trace2 = go.Bar(x=[1, 2, 3], y=[2, 3, 1], name="柱状图")
fig.add_trace(trace2, row=1, col=2)

# 添加子图3：折线图
trace3 = go.Scatter(x=[1, 2, 3], y=[10, 8, 9], mode="lines", name="折线图")
fig.add_trace(trace3, row=2, col=1)

# 添加子图4：饼图
trace4 = go.Pie(labels=["A", "B", "C"], values=[40, 30, 30], name="饼图")
fig.add_trace(trace4, row=2, col=2)

# 更新子图的布局属性
fig.update_layout(
    title_text="多子图示例",
    showlegend=False,  # 隐藏图例
)

# 显示图表
fig.show()

如何添加图例以及控制其颜色、大小、位置等

In 10:

import plotly.graph_objects as go

# 创建散点图
fig = go.Figure()

# 添加散点图数据并设置图例标签、颜色和大小
fig.add_trace(go.Scatter(x=[1, 2, 3], 
                         y=[4, 5, 6], 
                         mode="markers", 
                         name="数据集A"))

fig.add_trace(go.Scatter(x=[1, 2, 3],
                         y=[2, 3, 1], 
                         mode="markers", 
                         name="数据集B"))

# 控制图例颜色和大小
fig.update_traces(marker=dict(size=10, color="blue"), selector=dict(mode="markers+text"))


# 自定义图例位置
fig.update_layout(legend=dict(x=1.1, y=1))

# 显示图表
fig.show()

桑基图

In 11:

import plotly.graph_objects as go

# 定义节点和链接
nodes = ["A", "B", "C", "D", "E"]
links = [
    {"source": 0, "target": 1, "value": 10, "label": "10"},  # 从节点 A 到节点 B 的流量为 10
    {"source": 0, "target": 2, "value": 5, "label": "5"},   # 从节点 A 到节点 C 的流量为 5
    {"source": 1, "target": 3, "value": 7, "label": "7"},   # 从节点 B 到节点 D 的流量为 7
    {"source": 2, "target": 3, "value": 3, "label": "3"},   # 从节点 C 到节点 D 的流量为 3
    {"source": 2, "target": 4, "value": 2, "label": "2"},   # 从节点 C 到节点 E 的流量为 2
]

# 创建桑基图
fig = go.Figure(go.Sankey(
    node=dict(
        pad=15,
        thickness=20,
        line=dict(color="black", width=0.5),
        label=nodes
    ),
    link=dict(
        source=[link["source"] for link in links],
        target=[link["target"] for link in links],
        value=[link["value"] for link in links],
        label=[link["label"] for link in links],  # 添加数值标签
    )
))

# 设置图表布局
fig.update_layout(title_text="桑基图示例")

# 显示图表
fig.show()