小编给大家分享一下Python可视化工具Plotly怎么用，相信大部分人都还不怎么了解，因此分享这篇文章给大家参考一下，希望大家阅读完这篇文章后大有收获，下面让我们一起去了解一下吧！
发展由来：
随着信息技术的发展和硬件设备成本的降低，当今的互联网存在海量的数据，要想快速从这些数据中获取更多有效的信息，数据可视化是重要的一环。对于Python语言来说，比较传统的数据可视化模块是Matplotlib，但它存在不够美观、静态性、不易分享等缺点，限制了Python在数据可视化方面的发展。
为了解决这个问题，新型的动态可视化开源模块Plotly应运而生。由于Plotly具有动态、美观、易用、种类丰富等特性，所以一经问世就受到开发人员的喜爱。
简要说明
Plotly是Python 库中一种互动，开源绘图库，也是基于javascript的绘图库，支持 40 多种独特的图表类型，效果美观，其中涵盖各种统计、财务、地理、科学和三维用例。
有在线和离线模式，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；
安装：
pip install plotly
下面均在Jupyter Notebook中运行
数据源：
import plotly import plotly.express as px import plotly.graph_objects as go import plotly.io as pio import pandas as pd import numpy as np # plotly内置了数据集，方便大家不受数据分析思路的背景下，练手用 df=px.data.gapminder() df.head()
运行结果：
# 绘制中国历年人口变化图
# df_country=df.query('country=="China"')
df_country=df[df['country']=='China']
# 柱状图展示
fig=px.bar(df_country, # 数据源
x='year', # 横坐标：年份
y='pop', # 纵坐标：人口
text='pop', # 说明：人口
color='lifeExp', # 颜色取值：根据平均寿命的值来取
hover_name='year', #控制点名称：年份
)
fig运行结果：
# 注释标题 fig.update_layout(title_text='中国人口变迁史', title_x=.5, font=dict(family='simsun', size=14, color='#1d39c4') ) # 注释坐标轴 fig.update_layout(xaxis_title='年份', yaxis_title='人口数量') fig
运行结果：
#柱形图文字格式
fig.update_traces(
textposition='outside',
texttemplate='%{text:,.2s}')
fig运行结果：
#利用customdata增加数据集
fig.update_traces(customdata=df[['lifeExp','gdpPercap']])
fig.update_traces(hovertemplate='Year: %{x}<br><br> Population: %{y}<br> Life Expectation: %{customdata[0]:,.2f}<br>GDP per capital: %{customdata[1]:,.2f}')
# 坐标轴tick设置
fig.update_xaxes(tickangle=-45,tickfont=dict(family='arial',size=12))
fig运行结果：
# 设置间隙大小及文本大小 fig.update_layout(bargap=.4, uniformtext_minsize=8, uniformtext_mode='show') # 设置注释 fig.add_annotation(x='1982', y=1000281000, text='突破10亿', font=dict(color='red')) fig.update_annotations(dict(xref='x', yref='y', showarrow=True), arrowcolor='red', arrowhead=4) fig.show()
运行结果：
df_2007 = df[df["year"] == 2007] df_2007
运行结果：
# 散点图 px.scatter(df_2007, # 数据集 x="gdpPercap", # 横坐标:人均GDP y="lifeExp", # 纵坐标:平均寿命 color="continent" # 颜色取值：根据洲的值来取 )
运行结果：
选择一个区域，能将其放大
# 冒泡散点图 px.scatter(df_2007, # 绘图DataFrame数据集 x="gdpPercap", # 横坐标 y="lifeExp", # 纵坐标 color="continent", # 区分颜色 size="pop", # 区分圆的大小 size_max=60, # 散点大小 hover_name="country" # 控制点名称 )
运行结果：
# 旭日图 px.sunburst(df_2007, # 绘图数据 path=['continent', 'country'], # 指定路径：从洲到国家 values='pop', # 数据大小：人口数 color='lifeExp', # 颜色 hover_data=['iso_alpha'] # 显示数据 )
运行结果：
# 设置地图的图形 px.choropleth( df, # 数据 locations="iso_alpha", # 简称 color="lifeExp", # 颜色取值 hover_name="country", # 悬停数据 animation_frame="year", # 播放按钮设置 color_continuous_scale=px.colors.sequential.Plasma, # 颜色变化取值 projection="natural earth" # 使用的地图设置 )
运行结果：
使用泰坦里克号生存为例
import plotly import plotly.express as px import plotly.graph_objects as go import plotly.io as pio import pandas as pd import numpy as np
#数据读取 path2='./dataSet/test.csv' path3='./dataSet/train.csv' test=pd.read_csv(path2) train=pd.read_csv(path3) #数据合并 data=pd.concat([test,train])
运行结果：
# 展示数据中survived分布情况 df1=pd.DataFrame(data=data['Survived'].value_counts()) df1
运行结果：
fig1=px.bar(df1,y='Survived',text='Survived',color_discrete_sequence=[['#B4C7EC','#14A577']]) fig1.update_layout(title='Survival Status in Titanic', title_x=.5, xaxis_title='Passenger survival status', yaxis_title='Numbers', font=dict(family='arial',color='#000000',size=12), bargap=.5) fig1.update_xaxes(tick0=0, #设置X轴起点，防止从负数开始 dtick=1, #设置间隔，防止出现0.5间隔 tickvals=[0,1], #设置tick数值，为了重命名 ticktext=['Drowned','Suvived'],#重命名系列index tickfont=dict(family='arial',color='#000000',size=14)) fig1.update_yaxes(range=[0,650]) #设置Y轴区间,使图形不至于视觉上压迫 fig1.update_traces(textposition='outside', textfont_size=16, textfont_color=['#8C1004','#007046']) fig1.show()
运行结果：
# 以survived 与sex为例，展示各性别下，生存与死亡的相对关系。 df_sex=pd.DataFrame(data=data.groupby(['Survived','Sex'])['PassengerId'].count()) df_sex=df_sex.reset_index() df_sex
运行结果：
fig_sex1=px.bar(df_sex,x='Survived',y='PassengerId',color='Sex',barmode='group',text='PassengerId',
color_discrete_map={'female':'#F17F0B','male':'#0072E5'})
fig_sex1.update_traces(textposition='outside',
textfont_size=14,
textfont_color=['#8C1004','#007046'])
fig_sex1.update_xaxes(
tickvals=[0,1], #设置tick数值，为了重命名
ticktext=['Drowned','Suvived'],#重命名系列index
tickfont=dict(family='arial',
color='#000000',
size=14))
fig_sex1.update_layout(title='Overall Suvival in terms of Sex',
title_x=.5,
bargap=.35,
xaxis_title='',
yaxis_title='Numbers of Passengers',
font=dict(family='arial',
color='#000000',
size=13))
fig_sex1.update_yaxes(range=[0,500],
dtick=100)
fig_sex1.show()运行结果：
fig_sex2=px.bar(df_sex,x='Sex',y='PassengerId',facet_col='Survived',text='PassengerId',
color_discrete_sequence=[['#F17F0B','#0072E5']])
fig_sex2.update_traces(textposition='outside',
textfont_size=14,)
fig_sex2.update_layout(title='Overall Suvival in terms of Sex',
title_x=.5,
bargap=.35,
yaxis_title='Numbers of Passengers',
font=dict(family='arial',
color='#000000',
size=13),
)
#取消自带sex标题
fig_sex2.update_layout(xaxis=dict(title=''),
xaxis2=dict(title=''))
fig_sex2.update_yaxes(range=[0,500],
dtick=100)
fig_sex2.for_each_annotation(lambda a:a.update(text=a.text.replace('Survived=0.0','Drowned')))
fig_sex2.for_each_annotation(lambda a:a.update(text=a.text.replace('Survived=1.0','Suvived')))
fig_sex2.update_layout(annotations=[dict(font=dict(size=16,
color='#002CB2'))])
fig_sex2.show()运行结果：
# 以survived 与pclass为例，展示各舱位等级下，生存与死亡的相对关系。 df_pclass=pd.DataFrame(data=data.groupby(['Survived','Pclass'])['PassengerId'].count()) df_pclass=df_pclass.reset_index() df_pclass
运行结果：
fig_sex1=px.bar(df_pclass,x='Survived',y='PassengerId',color='Pclass',barmode='group',text='PassengerId',
color_discrete_map={'1':'#F17F0B','2':'#0072E5','3':'#8C1004'})
fig_sex1.update_traces(textposition='outside',
textfont_size=14,
textfont_color=['#8C1004','#007046'])
fig_sex1.update_xaxes(
tickvals=[0,1], #设置tick数值，为了重命名
ticktext=['Drowned','Suvived'],#重命名系列index
tickfont=dict(family='arial',
color='#000000',
size=14))
fig_sex1.update_layout(title='Overall Suvival in terms of Pclass',
title_x=.5,
bargap=.35,
xaxis_title='',
yaxis_title='Numbers of Passengers',
font=dict(family='arial',
color='#000000',
size=13))
fig_sex1.update_yaxes(range=[0,500],
dtick=100)
fig_sex1.show()运行结果：
以上是“Python可视化工具Plotly怎么用”这篇文章的所有内容，感谢各位的阅读！相信大家都有了一定的了解，希望分享的内容对大家有所帮助，如果还想学习更多知识，欢迎关注亿速云行业资讯频道！
免责声明：本站发布的内容（图片、视频和文字）以原创、转载和分享为主，文章观点不代表本网站立场，如果涉及侵权请联系站长邮箱：is@yisu.com进行举报，并提供相关证据，一经查实，将立刻删除涉嫌侵权内容。
