怎么在Python項目中利用Plotly實現可視化

這篇文章將為大家詳細講解有關怎么在Python項目中利用Plotly實現可視化，文章內容質量較高，因此小編分享給大家做個參考，希望大家閱讀完這篇文章后對相關知識有一定的了解。

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現另一款可視化神器-Plotly，它是一款用來做數據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的高質量圖，如下圖所示：

折線點圖

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

# import pkg
from plotly.graph_objs import Scatter,Layout
import plotly
import plotly.offline as py
import numpy as np
import plotly.graph_objs as go

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

#制作折線圖
N = 150
random_x = np.linspace(0,1,N)
random_y0 = np.random.randn(N)+7
random_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

# 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)

關于怎么在Python項目中利用Plotly實現可視化就分享到這里了，希望以上內容可以對大家有一定的幫助，可以學到更多知識。如果覺得文章不錯，可以把它分享出去讓更多的人看到。