plotly基础

Plotly基础介绍

plotly.py是提供了一个python使用Plotly.js(JavaScript library)这个的接口. 在Plotly.js中, 一个figure与一个JSON文件是对应的. 我们可以看下面的一个例子, JSON文件是如何与Figure对应的.

1. fig = {
2.     "data":[{'type': 'bar',
3.             'x': [1,2,3],
4.             'y': [1,3,2]}],
5.     "layout": {"title": {"text": "A Bar Chart"}}
6. }
8. import plotly.io as pio
9. pio.show(fig)

在上面的代码中, 我们可以看到我们定义了一个fig, 是一个字典类型.

• 在data中我们定义了要绘制图像的种类和里面的数值.
• 在layout中我们可以定义图像的布局, 例如标题等.

最终的绘制结果如下所示.

当然, 直接这么进行绘制的话, 会有一些麻烦, 于是我们有一些更高级API来绘制更加复杂的图像.

一些准备

我们首先导入需要使用的库, 后面就不重复进行书写了.

1. import plotly.express as px
2. import plotly.graph_objects as go

Plotly中的graph objects

与直接使用python中的字典类型来进行绘制, plotly.py提供了一个更加高级的类叫"graph objects"来帮助我们绘图, 与直接使用字典类型来进行绘图相比, 他有以下的好处:

• 使用Graph objects报错更加详细, 如果你有地方参数有问题, 可以有更加详细的报错信息.
• 对于各个属性的修改, 我们可以使用fig['layout']或是fig.layout进行修改.

对于上面的例子, 我们看一下如何使用graph objects来进行实现.

1. fig = go.Figure(
2.     data=[go.Bar(x=[1, 2, 3], y=[1, 3, 2])],
3.     layout=go.Layout(
4.         title=go.layout.Title(text="A Bar Chart")
5.     )
6. )
7. fig.show()

绘制的结果是和上面的结果是一样的.

同时, graph object还是提供下面两个方法来将图像转换为json或是dict.

1. fig.to_json()
2. fig.to_dict()

Plotly中的Plotly Express

Plotly Express是提供了一种更加高级的API来创建graph object. 我们还是使用上面的绘制bar的例子来进行说明.

1. # 创建数据集
2. data_test = pd.DataFrame([[1,1],[2,3],[3,2]], columns=['x','y'])
3. # 进行绘图
4. fig = px.bar(data_test, x='x', y='y')
5. fig.update_layout(title="A Bar Chart") # 这个时候也是可以更新图像的标题
6. fig.show()

绘制出来的结果还是一样的.

Plotly更新图像

上面我们说到使用graph object的一个好处就是可以很方便的更新图像. 这个更新可以指向图像中添加新的内容, 或是更改图像的布局等. 我们还是看下面的例子来进行说明.

多组图像绘制在一起-add_trace

首先我们可以使用add_trace的功能, 将多幅图像绘制在一起, 下面我们将barchart和linechart绘制在一起.

1. fig = go.Figure()
2. fig.add_trace(go.Bar(x=[1, 2, 3], y=[1, 3, 2]))
3. fig.add_trace(go.Scatter(x=[1,2,3], y=[2,3,1], mode='lines'))
4. fig.show()

与Plotly Express图形组合

当然, 我们也可以向使用Plotly Express绘制的图像添加内容. 因为使用Plotly Express可以绘制出比较好看的图像, 所以我们可以先绘制出一些好的图像, 之后在往里面加一些辅助的图像.

比如下面这个例子, 我们可以首先使用Plotly Express绘制散点图, 接着向里面增加拟合的直线.

1. df = px.data.iris()
2. fig = px.scatter(df, x="sepal_width", y="sepal_length", color="species")
3. fig.add_trace(
4.     go.Scatter(
5.         x=[2, 4],
6.         y=[4, 8],
7.         mode="lines",
8.         name='Regression',
9.         line=go.scatter.Line(color="gray"),
10.         showlegend=True)
11. )
12. fig.show()

更加便捷的方式-add_bar等

除了上面提供的增加trace的方法之外, 他还提供了直接添加的方式. 例如可以直接将add_trace改为add_bar等操作, 所以看到不要觉得奇怪就行了, 我们还是看一个例子.

1. fig = go.Figure()
2. fig.add_bar(y=[2, 1, 3])
3. fig.show()

绘制的结果就是柱状图, 就不放图了, 没什么特别的.