文 | 潮汐

來源：Python 技術「ID: pythonall」

學習Python是做數(shù)分析的最基礎的一步，數(shù)據(jù)分析離不開數(shù)據(jù)可視化。Python第三方庫中我們最常用的可視化庫是 pandas，matplotlib，pyecharts， 當然還有 Tableau，另外最近在學習過程中發(fā)現(xiàn)另一款可視化神器-Plotly，它是一款用來做數(shù)據(jù)分析和可視化的在線平臺，功能非常強大, 可以在線繪制很多圖形比如條形圖、散點圖、餅圖、直方圖等等。除此之外，它還支持在線編輯，以及多種語言 python、javascript、matlab、R等許多API。它在python中使用也非常簡單，直接用pip install plotly 安裝好即可使用。本文將結合 plotly 庫在 jupyter notebook 中來進行圖形繪制。

使用 Plotly 可以畫出很多媲美Tableau的高質(zhì)量圖，如下圖所示：

折現(xiàn)點圖畫圖步驟如下：首先在 Pycharm 界面輸入 jupyter notebook后進入網(wǎng)頁編輯界面，新建一個文件，導入相應的包即可進行圖形繪制：

# import pkgfrom plotly.graph_objs import Scatter,Layoutimport plotlyimport plotly.offline as pyimport numpy as npimport plotly.graph_objs as go

#設置編輯模式plotly.offline.init_notebook_mode(connected=True)

#制作折線圖N = 150random_x = np.linspace(0,1,N)random_y0 = np.random.randn(N)+7random_y1 = np.random.randn(N)random_y2 = np.random.randn(N)-7 trace0 = go.Scatter( x = random_x, y = random_y0, mode = ’markers’, name = ’markers’)trace1 = go.Scatter( x = random_x, y = random_y1, mode = ’lines+markers’, name = ’lines+markers’)trace2 = go.Scatter( x = random_x, y = random_y2, mode = ’lines’, name = ’lines’)data = [trace0,trace1,trace2]py.iplot(data)

顯示結果如下：

# 直方圖trace0 = go.Bar( x = [’Jan’,’Feb’,’Mar’,’Apr’, ’May’,’Jun’, ’Jul’,’Aug’,’Sep’,’Oct’,’Nov’,’Dec’], y = [20,15,25,16,18,28,19,67,12,56,14,27], name = ’Primary Product’, marker=dict( color = ’rgb(49,130,189)’ ))trace1 = go.Bar( x = [’Jan’,’Feb’,’Mar’,’Apr’, ’May’,’Jun’, ’Jul’,’Aug’,’Sep’,’Oct’,’Nov’,’Dec’], y = [29,14,32,14,16,19,25,14,10,12,82,16], name = ’Secondary Product’, marker=dict( color = ’rgb(204,204,204)’ ))data = [trace0,trace1]py.iplot(data)

顯示結果如下：

散點圖

# 散點圖trace1 = go.Scatter( y = np.random.randn(700), mode = ’markers’, marker = dict( size = 16, color = np.random.randn(800), colorscale = ’Viridis’, showscale = True ))data = [trace1]py.iplot(data)

顯示結果如下：

今天的文章主要學習可視化神器-plotpy 的相關操作，希望在平時的工作中有所應用。更多的內(nèi)容詳見 https://plotly.com/python/

到此這篇關于Python 可視化神器Plotly詳解的文章就介紹到這了,更多相關Python 可視化神器Plotly內(nèi)容請搜索好吧啦網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持好吧啦網(wǎng)！