Python+Plotly繪制精美的數(shù)據(jù)分析圖

更新時間：2022年05月09日 15:14:29 作者：Ckend

Plotly?是目前已知的Python最強繪圖庫，比Echarts還強大許多。它的繪制通過生成一個web頁面完成，并且支持調(diào)整圖像大小，動態(tài)調(diào)節(jié)參數(shù)。本文將利用Plotly繪制精美的數(shù)據(jù)分析圖，感興趣的可以了解一下

1.準備

開始之前，你要確保Python和pip已經(jīng)成功安裝在電腦上,如果沒有，可以訪問這篇文章：超詳細Python安裝指南進行安裝。

Windows環(huán)境下打開Cmd(開始—運行—CMD)，蘋果系統(tǒng)環(huán)境下請打開Terminal(command+空格輸入Terminal)，準備開始輸入命令安裝依賴。

當然，我更推薦大家用VSCode編輯器，把本文代碼Copy下來，在編輯器下方的終端裝依賴模塊，多舒服的一件事?。?/p>

在終端輸入以下命令安裝我們所需要的依賴模塊:

pip install plotly

看到 Successfully installed xxx 則說明安裝成功。

2.使用

你只需要知道某些圖的生成函數(shù)及其傳入?yún)?shù)，就可以生成很漂亮的統(tǒng)計圖。比如生成文章開頭的那個官方平行類別圖，你只要需要知道它的生成函數(shù)是 px.parallel_categories。支持的參數(shù)列表如下：

data_frame：數(shù)據(jù)，需要以DataFrame格式。

color: 可指定每一列的特定顏色。

color_continuous_scale: 構(gòu)建連續(xù)的顏色

詳細參數(shù)可閱讀官方文檔

在這里，我們使用官方生成好的數(shù)據(jù)作為展示的例子，編寫以下代碼即可：

# 文件命名為：test.py
import plotly.express as px
tips = px.data.tips()
fig = px.parallel_categories(tips, color="size", color_continuous_scale=px.colors.sequential.Inferno)
fig.show()

效果如下：

在cmd/Terminal或者VSCODE的終端里，運行這份代碼：

python test.py

你會看到瀏覽器自動生成了一個頁面，頁面上就是這幅圖，而且是可以進行交互的圖。

除此之外還有這樣的圖：

import plotly.express as px
gapminder = px.data.gapminder()
fig = px.scatter(gapminder.query("year==2007"), x="gdpPercap", y="lifeExp", size="pop", color="continent",
           hover_name="country", log_x=True, size_max=60)
fig.show()

代碼如上，其實相當簡單，你只需要符合它的scatter函數(shù)的數(shù)據(jù)格式就可以生成了，真的是坐著收圖啊。

還有以下這些例子，這些例子都是可以在頁面上進行交互的（放大縮小等），相當方便！

3.保存

其實在執(zhí)行完程序后生成的頁面里，右上角有個小攝像頭，點擊那個攝像頭可以直接生成頁面：

但是你可能會希望直接在程序中將圖片保存下載，方便批量生成圖片，這個時候我們需要添加類似這樣的一個離線plot語句

import plotly.offline as offline
offline.plot(figure_or_data = fig, image ='png', image_filename='plot_image', output_type='file', image_width=800, image_height=600, validate=False)

在得到了圖像的Fig變量后，你只需要繼續(xù)編寫上述語句就可以保存下來，比如我們的第一個例子，將會是這樣保存的。

# 文件命名為：test.py
import plotly.express as px
import plotly.offline as offline
tips = px.data.tips()
fig = px.parallel_categories(tips, color="size", color_continuous_scale=px.colors.sequential.Inferno)
fig.show()

offline.plot(figure_or_data = fig, image = 'png', image_filename='plot_image',
             output_type='file', image_width=800, image_height=600, validate=False)