具体日期的OHLC图 上面的图形都是连续型日期(基于月份)的OHLC图形，下面介绍的是如何绘制具体某些日期的OHLC图形 # 如何生成一个datetime时间对象 import plotly.graph_objects...增加悬停信息hovertext 悬停信息指的是：在图形中数据本身是不能看到的，当我们将光标移动到图中便可以看到对应的数据。 还是通过苹果公司股票的数据为例： ?...共享时间轴 import plotly.express as px stock = px.data.stocks(indexed=True) - 1 # 将原始数据减掉1 stock.head()...fig.update_traces(xbins_size="M1") # 每个柱子显示几个月的数据：M1显示一个月 M2表示2个月 # 3、设置x轴 fig.update_xaxes(...隐藏非交易时间 在一天中并不是24小时都在交易的，我们需要对非交易时间段进行隐藏： import plotly.express as px import pandas as pd import numpy
列可以是数字、类别或布尔值，但是这没关系。 注意:初始部分包含用于上下文和显示常见错误的代码，对于现成的解决方案，请参阅最后的GitHub的代码。...例如，使用plotly_express（px），可以传递整个DataFrames作为参数；但是，使用graph_objects（go）时，输入会更改，并且可能需要使用字典和Pandas系列而不是DataFrames...但是，在同一x轴（时间）上具有两个或更多数据计数的Plotly呢？ 为了解决上面的问题，我们就需要从Plotly Express切换到Plotly Graph Objects。...读取和分组数据 在下面的代码块中，一个示例CSV表被加载到一个Pandas数据框架中，列作为类型和日期。类似地，与前面一样，我们将date列转换为datetime。...注意，我们使用Graph Objects将两类数据绘制到一个图中，但使用Plotly Express为每个类别的趋势生成数据点。
Lemon 录制了一个视频，来说明通过本文绘制的图表效果： 数据来源 本文的数据来自开源项目 tushare， 从 tushare 中获取数据，首先要进行注册获取 token（一串字母和数字组成的文本）...每个烛台符号沿着 X 轴上的时间刻度绘制，显示随着时间推移的交易活动。 蜡烛图的示意图如下： ? 默认的蜡烛图 在 Plotly 中，可以使用 candlestick 图来绘制蜡烛图。...后面将提到的 OHLC 图，在 Plotly 中也是 红跌绿涨，这个习惯跟美国、香港等区域是一致的。...在这个范围符号上，最高和最低价的范围由主垂直线的长度所表示；而开盘和收盘价则分别在垂直线左右两边以一小段水平线代表。 示意图如下： ?...上面这张大图里看不出美国线的显示效果，我们可以选择今年以来的图来查看下： ? 本文完整的代码，请在公众号后台回复 Plotly 获取。
数据预处理 由于绘制热力图x轴是日期(1-31)，y轴是年月。因此我们需要对原数据进行宽表转化和一些简单的预处理。 注意：处理过程详情代码注释说明。...字段改为时间格式 df.time = pd.to_datetime(df.time) # 新增年月字段，内容为 x年x月，如2021年3月，为字符串格式 df['年月'] = df.time.apply...(lambda x:x.strftime('%Y{y}%m{m}').format(y="年",m="月")) # 新增日期字段，内容为 1-31 df['日期'] = df['time'].dt.day...columns='日期') # 转化后部分月份不存在部分日期默认为nan值，需要转化为数字格式 float（无法转化为int） data = data.astype('float') # 按照 索引年月倒序排序...效果 3.2. plotly的热力图绘制 对于plotly来说，plotly.express可以直接将满足条件格式的dataframe数据用px.imshow()绘制，不过试了很久暂时没学会怎么方便的将数值显示在热力图上
它们从水平轴开始，由一系列与负面或正面评论相关的浮动列连接。有时，条形图与图表中的线条相连。 瀑布图使用条件 让我们举个例子来了解何时何地使用瀑布图，因为制作瀑布图不是什么大问题。...该表按顺序显示了值的重要性，但读取这些值非常困难。相反，我们可以很容易地看到，按x轴正方向的连贯性顺序显示数据，并且黄色条显示减量，红色条显示增量。...导入库 import plotly.graph_objects as go 数据集 df = pd.read_csv(r'D:/netflix_titles.csv') 添加年和月并转换为正确的日期时间格式...y: y轴上的值 text: 将要在图表上显示的值 textposition: 我们可以把文本放在图表的柱状图内或柱状图上方 为何更加优雅的使用图表，我们可以为图表的条形及其连接线设置颜色。...rotation_value： 旋转并设置x轴的值。 写在最后 本文中，我们一起看到了瀑布图的重要性：何时以及如何将它与 Plotly 和 Matploib 一起使用。
Python 中比较常用的两种图表库是 matplotlib 和 plotly。上图就是以 matplotlib 绘制。而 Plotly 交互性更好。...数据的格式如下，header 是日期为第一列，第3列往后为期货公司名字。表格中的负数是上面图中蓝色的空仓，正数是红色的多仓。...绘图时，从表格中取出某一日期的一行记录，将持仓数目排序，把对应的数据存入列表中，之后进行画图。 首先对数据进行清洗和处理， pandas读取数据，这里需要去除 000905_SH 列，以及删除全0行。...) 接下来我们需要根据输入的日期来筛选某一行记录，分别将持空仓期货公司和持多仓期货公司取出，剔除持仓数为0的期货公司。...shapes不是轨迹，只是layout中的一部分，所以不能添加legend，而上面的散点scatter虽是轨迹，但是mode =markers+text 使得legend中多出了text文字，如下图，
这也导致我花费了不知多少个深夜，在 StackOverflow 上搜索如何“格式化日期”或“增加第二个Y轴”。...X 轴 增加第二条 Y 轴，因为两个变量的范围并不一致 把文章标题放在鼠标悬停时显示的标签中 为了显示更多数据，我们可以方便地添加文本注释： （带有文本注释的散点图） 下面的代码中，我们将一个双变量散点图按第三个分类变量进行着色...）和一个数值变量 read_ratio （阅读比例）绑定，数字越大，泡泡的尺寸也越大。...下面两张图分别是“太空”主题和“ggplot”主题： 此外，还有 3D 图表（曲面和泡泡）： 对有兴趣研究的用户来说，做张饼图也不是什么难事： 在 Plotly 图表工坊（Plotly...我承认，绘图绝对是数据科学工作中最让人享受的部分，而 plotly 能让你更加愉悦地完成这些任务。 （用一张图表显示一下用 Python 绘图的愉悦程度随着时间变化。
as mdates fig, ax = plt.subplots() """生成数据""" beginDate = '2012-01-01' endDate = '2018-01-01' # 将日期字符串转化为数字...mdates.datestr2num(beginDate), mdates.datestr2num(endDate), 15) y = np.random.randn(len(x))*3+2 data = {} # 将数字...x : f'$x:.2f$' ax.grid(True) """自动调整刻度字符串""" # 自动调整 x 轴的刻度字符串（旋转）使得每个字符串有足够的空间而不重叠 fig.autofmt_xdate...matplotlib.dates.datestr2num() 将日期转化为天数差 numpy.datetime64() 将数字（天数差）转为日期对象 numpy.datetime64 matplotlib.dates.MonthLocator...() 配合设置日期刻度间隔 matplotlib.dates.DateFormatter() 设置日期显示格式 fig.autofmt_xdate() 自动调整坐标轴，未调用字符串会重叠在一起 [未调整字符串
, init_notebook_mode import plotly.express as px from datetime import datetime init_notebook_mode...df_all = df_all_history # 将字符串格式的日期 另保存为一列 df_all['dates'] = df_all_history['date'] # 将字符串格式的日期转换为...日期格式 df_all['date'] = pd.to_datetime(df_all['date']) 获取国外的疫情数据 上面的数据，是全球的数据，我们可以把其中属于中国的剔除，就可以得到国外的数据了...我们可以手动新建一个 excel数据表，将补充日期的数值填充为 0 。 我这里主要补充的是伊朗的数据，因为伊朗实在是发展太快了，必须纳入分析的范围内。其他国家，如果有需要补充的，后续可以继续完善。...# 由于部分国家，数据不是从2020年2月10日开始的，所以要补充数据，数值为 0 # 数据在 excel 表格中进行补充，这里进行读取 df_oversea_buchong = pd.read_excel
这也导致我花费了不知多少个深夜，在 StackOverflow 上搜索如何“格式化日期”或“增加第二个Y轴”。...X 轴 增加第二条 Y 轴，因为两个变量的范围并不一致 把文章标题放在鼠标悬停时显示的标签中 为了显示更多数据，我们可以方便地添加文本注释： （带有文本注释的散点图） 下面的代码中，我们将一个双变量散点图按第三个分类变量进行着色...）和一个数值变量 read_ratio （阅读比例）绑定，数字越大，泡泡的尺寸也越大。...下面两张图分别是“太空”主题和“ggplot”主题： 此外，还有 3D 图表（曲面和泡泡）： 对有兴趣研究的用户来说，做张饼图也不是什么难事： 在 Plotly 图表工坊（Plotly Chart Studio...我承认，绘图绝对是数据科学工作中最让人享受的部分，而 plotly 能让你更加愉悦地完成这些任务。 （用一张图表显示一下用 Python 绘图的愉悦程度随着时间变化。
这也导致我花费了不知多少个深夜，在 StackOverflow 上搜索如何“格式化日期”或“增加第二个Y轴”。...在上图中，我们用一行代码完成了几件事情： 自动生成美观的时间序列 X 轴 增加第二条 Y 轴，因为两个变量的范围并不一致 把文章标题放在鼠标悬停时显示的标签中 为了显示更多数据，我们可以方便地添加文本注释...（带有文本注释的散点图） 下面的代码中，我们将一个双变量散点图按第三个分类变量进行着色： ? ? 接下来我们要玩点复杂的：对数坐标轴。...对有兴趣研究的用户来说，做张饼图也不是什么难事： ?...我承认，绘图绝对是数据科学工作中最让人享受的部分，而 plotly 能让你更加愉悦地完成这些任务。 ? （用一张图表显示一下用 Python 绘图的愉悦程度随着时间变化。
import plotly.express as px from datetime import datetime init_notebook_mode() init_notebook_mode()...df_all = df_all_history # 将字符串格式的日期 另保存为一列 df_all['dates'] = df_all_history['date'] # 将字符串格式的日期转换为...日期格式 df_all['date'] = pd.to_datetime(df_all['date']) 获取国外的疫情数据 上面的数据，是全球的数据，我们可以把其中属于中国的剔除，就可以得到国外的数据了...我们可以手动新建一个 excel数据表，将补充日期的数值填充为 0 。 这里主要补充的是伊朗的数据，因为伊朗实在是发展太快了，必须纳入分析的范围内。其他国家，如果有需要补充的，后续可以继续完善。...# 由于部分国家，数据不是从2020年2月10日开始的，所以要补充数据，数值为 0 # 数据在 excel 表格中进行补充，这里进行读取 df_oversea_buchong = pd.read_excel
大多数二维笛卡尔图接受连续或分类数据，并自动处理日期/时间数据。可以查看我们的图库 (ref-3) 来了解每个图表的例子。 ?...数据集中的每一行都显示为每个图中的一个点。你可以进行缩放、平移或选择操作，你会发现所有图都链接在一起！ ? 平行坐标允许你同时显示3个以上的连续变量。dataframe 中的每一行都是一行。...例如，你可以将 .update() 调用链接到 px 调用以更改图例设置并添加注释。 .update() 现在返回修改后的数字，所以你仍然可以在一个很长的 Python 语句中执行此操作： ?...接受整个整洁的 dataframe 的列名作为输入（而不是原始的 numpy 向量）也允许 px 为你节省大量的时间，因为它知道列的名称，它可以生成所有的 Plotly.py 配置用于标记图例、轴、悬停框...我们还花了很多精力来提出简短而富有表现力的名称，这些名称很好地映射到底层的 Plotly.py 属性，以便于在工作流程中稍后调整到交互的图表中。
最重要的是，Plotly Express 与 Plotly 生态系统的其他部分完全兼容：在您的 Dash 应用程序中使用它，使用 Orca 将您的数据导出为几乎任何文件格式，或使用JupyterLab...数据集中的每一行都显示为每个图中的一个点。 你可以进行缩放、平移或选择操作，你会发现所有图都链接在一起！ ? 平行坐标允许您同时显示3个以上的连续变量。 dataframe 中的每一行都是一行。...例如，您可以将 .update（） 调用链接到 px 调用以更改图例设置并添加注释。 .update（） 现在返回修改后的数字，所以你仍然可以在一个很长的 Python 语句中执行此操作： ?...接受整个整洁的 dataframe 的列名作为输入（而不是原始的 numpy 向量）也允许 px 为你节省大量的时间，因为它知道列的名称，它可以生成所有的 Plotly.py 配置用于标记图例、轴、悬停框...我们还花了很多精力来提出简短而富有表现力的名称，这些名称很好地映射到底层的 Plotly.py 属性，以便于在工作流程中稍后调整到交互的图表中。
时间序列是由表示时间的x轴和表示数据值的y轴组成，使用折线图在显示数据随时间推移的进展时很常见。它在提取诸如趋势和季节性影响等信息方面有一些好处。 但是在处理超长的时间轴时有一个问题。...name.csv') df['date'] = pd.to_datetime(df['date']) df.tail() df.info() 一个好消息是数据集没有缺失值。...df_temp['meantp'] = [(i+j)/2 for i,j in zip(df_temp.maxtp, df_temp.mintp)] df_temp.head() 创建一些以后使用的日期特征...px.box(df_temp, x='month_year', y='meantp') 5、分组并显示比例 这种方法可以将时间序列图转换为热图，结果将显示总体平均月温度，并且可以使用颜色标度来比较数据的大小...使用简单的时间序列图显示超长时间序列数据可能会由于重叠区域而导致图表混乱。
最重要的是，Plotly Express 与 Plotly 生态系统的其他部分完全兼容：在您的 Dash 应用程序中使用它，使用 Orca 将您的数据导出为几乎任何文件格式，或使用JupyterLab...数据集中的每一行都显示为每个图中的一个点。 你可以进行缩放、平移或选择操作，你会发现所有图都链接在一起！ image.png 平行坐标允许您同时显示3个以上的连续变量。....update（） 现在返回修改后的数字，所以你仍然可以在一个很长的 Python 语句中执行此操作： image.png 在这里，在使用 Plotly Express 生成原始图形之后，我们使用 Plotly.py...接受整个整洁的 dataframe 的列名作为输入（而不是原始的 numpy 向量）也允许 px 为你节省大量的时间，因为它知道列的名称，它可以生成所有的 Plotly.py 配置用于标记图例、轴、悬停框...我们还花了很多精力来提出简短而富有表现力的名称，这些名称很好地映射到底层的 Plotly.py 属性，以便于在工作流程中稍后调整到交互的图表中。
如果不加notched参数，则连接处则会是矩形，而不是锥形 ?...为列中的不同值，设置不同的标记大小； \color{red}{hover_name}：指定列名。将列中的值，加粗显示在悬停提示内容的正上方； hover_data：指定列名组成的列表。...当参数color指定的列不是数值数据时，该参数用于将特定颜色分配给，与特定值对应的标记，color_discrete_map中的键为color表示的列值。...该参数用于将特定符号分配给，与特定值对应的标记，symbol_map中的键为symbol表示的列值。...如果为True，则 Y 轴在笛卡尔坐标系中进行对数缩放； range_x：2个数字元素组成的列表，用于设定笛卡尔坐标中 X 轴上的自动缩放，即边界的大小值； range_y：2个数字元素组成的列表，用于设定笛卡尔坐标中
领取专属 10元无门槛券
手把手带您无忧上云
云服务器
即时通信 IM
ICP备案
对象存储
实时音视频
