Python視覺化 | Python視覺化進階必備 - plotly

一、簡介

Plotly是一個非常著名且強大的開源資料視覺化框架，它透過建立基於瀏覽器顯示的web形式的可交互圖表來展示訊息，可創建多達數十種精美的圖表和地圖。

二、繪圖語法規則

2.1 離線繪圖方式

Plotly中繪製圖像有在線和離線兩種方式，因為在線繪圖需要註冊帳號取得API key，較為麻煩，所以本文只介紹離線繪圖的方式。

離線繪圖又有plotly.offline.plot()和plotly.offline.iplot()兩種方法，前者是以離線的方式在目前工作目錄下產生html格式的圖片文件，並且自動開啟；

後者是在jupyter notebook中專用的方法，即將生成的圖形嵌入到ipynb檔案中，本文即採用後面一種方式（注意，在jupyter notebook中使用plotly .offline.iplot()時，需要在先前執行plotly.offline.init_notebook_mode()以完成繪圖程式碼的初始化，否則會報錯）。

plotly.offline.iplot()的主參數如下：

•  figure_or_data：傳入plotly.graph_objs.Figure、plotly.graph_objs. Data、字典或清單構成的，能夠描述一個graph的資料
•  show_link：bool型，用來調整輸出的影像是否在右下角有plotly的標記
  
•  link_text ：str型輸入，用於設定影像右下角的說明文字內容（當show_link=True時），預設為'Export to plot.ly'
  
•  image：str型或None，控制生成圖片的下載格式，有'png'、'jpeg'、'svg'、'webp'，預設為None，即不會為產生的圖片設定下載方式
  
•  filename：str型，控制已儲存的影像的檔名，預設為'plot'
  
•  image_height：int型，控制影像高度的像素值，預設為600
  
•  image_width：int型，控制影像寬度的像素值，預設為800
  

下面是一個簡單的範例：

import plotly
import plotly.graph_objs as go
'''初始化jupyter notebook中的绘图模式'''
plotly.offline.init_notebook_mode()
'''绘制一个基本的折线图，控制其尺寸为1600x600'''
plotly.offline.iplot([{'x': [1, 2, 3], 'y': [5, 2, 7]}],
 image_height=600,
 image_width=1600)

2.2 graph物件

plotly中的graph_objs是plotly下的子模組，用於導入plotly中所有圖形對象，在導入相應的圖形對象之後，便可以根據需要呈現的數據和自定義的圖形規格參數來定義一個graph對象，再輸入到plotly.offline.iplot()中進行最終的呈現.

查詢相關幫助手冊得到如下結果：

Help on package plotly.graph_objs in plotly:
NAME
 plotly.graph_objs
DESCRIPTION
 graph_objs
 ==========
 This package imports definitions for all of Plotly's graph objects. For more
 information, run help(Obj) on any of the following objects defined here.
 The reason for the package graph_objs and the module graph_objs is to provide
 a clearer API for users.
PACKAGE CONTENTS
 _area
 _bar
 _box
 _candlestick
 _carpet
 _choropleth
 _cone
 _contour
 _contourcarpet
 _deprecations
 _figure
 _figurewidget
 _frame
 _heatmap
 _heatmapgl
 _histogram
 _histogram2d
 _histogram2dcontour
 _layout
 _mesh3d
 _ohlc
 _parcoords
 _pie
 _pointcloud
 _sankey
 _scatter
 _scatter3d
 _scattercarpet
 _scattergeo
 _scattergl
 _scattermapbox
 _scatterpolar
 _scatterpolargl
 _scatterternary
 _splom
 _surface
 _table
 _violin
 area (package)
 bar (package)
 box (package)
 candlestick (package)
 carpet (package)
 choropleth (package)
 cone (package)
 contour (package)
 contourcarpet (package)
 graph_objs
 graph_objs_tools
 heatmap (package)
 heatmapgl (package)
 histogram (package)
 histogram2d (package)
 histogram2dcontour (package)
 layout (package)
 mesh3d (package)
 ohlc (package)
 parcoords (package)
 pie (package)
 pointcloud (package)
 sankey (package)
 scatter (package)
 scatter3d (package)
 scattercarpet (package)
 scattergeo (package)
 scattergl (package)
 scattermapbox (package)
 scatterpolar (package)
 scatterpolargl (package)
 scatterternary (package)
 splom (package)
 surface (package)
 table (package)
 violin (package)
DATA
 absolute_import = _Feature((2, 5, 0, 'alpha', 1), (3, 0, 0, 'alpha', 0...
FILE
 d:anacondalibsite-packagesplotlygraph_objs__init__.py

可以看出graph_objs中所包含的圖形物件非常之豐富，本文也會挑選其中常用的幾種來介紹。

2.3 建構traces

在根據繪圖需求從graph_objs中導入對應的obj之後，接下來需要做的事情是基於待展示的數據，為指定的obj配置相關參數，這在plotly中稱為建構traces(create traces)，下面舉兩個簡單的例子來幫助理解這個部分：

首先，我們來繪製一個較為基本的散點圖：

import plotly
import plotly.graph_objs as go
import numpy as np
'''构造1000个服从二维正态分布的模拟数据'''
N = 1000
random_x = np.random.randn(N)
random_y = np.random.randn(N)
'''构造trace，配置相关参数'''
trace = go.Scatter(
 x = random_x,
 y = random_y,
 mode = 'markers'
)
'''将trace保存于列表之中'''
data = [trace]
'''启动绘图'''
plotly.offline.init_notebook_mode()
plotly.offline.iplot(data, filename='basic-scatter')

從上面的簡單實例可以看出trace創建的大致方式，而一張圖中可以疊加多個trace，如下面的例子：

import numpy as np
import plotly
import plotly.graph_objs as go
'''创建仿真数据'''
N = 100
random_x = np.linspace(0, 1, N)
random_y0 = np.random.randn(N)+5
random_y1 = np.random.randn(N)
random_y2 = np.random.randn(N)-5
'''构造trace0'''
trace0 = go.Scatter(
 x = random_x,
 y = random_y0,
 mode = 'markers',
 name = 'markers'
)
'''构造trace1'''
trace1 = go.Scatter(
 x = random_x,
 y = random_y1,
 mode = 'lines+markers',
 name = 'lines+markers'
)
'''构造trace2'''
trace2 = go.Scatter(
 x = random_x,
 y = random_y2,
 mode = 'lines',
 name = 'lines'
)
'''将所有trace保存在列表中'''
data = [trace0, trace1, trace2]
'''启动绘图'''
plotly.offline.init_notebook_mode()
plotly.offline.iplot(data, filename='scatter-mode')

對於不同的graph_obj，trace的設定格式也各有不同之處。

2.4 定義Layout

plotly中圖像的圖層元素與底層的背景、座標軸等是獨立開來的，在我們透過前面介紹的內容，定義好繪製影像所需的對象之後，可以直接繪製，但如果想要在背景圖層上有更多自訂化的內容，就需要定義Layout()對象，其主要參數如下，我們根據設定對象的不同分成幾個部分並分開舉例講解：

2.4.1 文字

文字是一幅圖中十分重要的組成部分，plotly其強大的繪圖機制為一幅圖中的文字進行了細緻的劃分，可以非常有針對性地對某一個元件部分的字體進行個性化的設定：

全域文字：

•  font：字典型，用于控制图像中全局字体的部分，其常用键及功能如下：
•  family：str型，用于控制字体，默认为'Open Sans'，可选项有'verdana'，'arial'，'sans-serif'等等，具体自行移步官网说明文档
  
•  size：int型，用于控制字体大小，默认为12
  
•  color：str型，传入十六进制色彩，默认为'#444'
  

下面是一个简单的例子：

import plotly
import plotly.graph_objs as go
import numpy as np
'''构造1000个服从二维正态分布的模拟数据'''
N = 1000
random_x = np.random.randn(N)
random_y = np.random.randn(N)
'''构造trace，配置相关参数'''
trace = go.Scatter(
 x = random_x,
 y = random_y,
 mode = 'markers'
)
'''将trace保存于列表之中'''
data = [trace]
'''创建layout对象'''
layout = go.Layout(title='测试',
 font={
 'size':22,
 'family':'sans-serif',
 'color':'9ed900'#将全局字体颜色设置颜色为葱绿
 })
'''将graph部分和layout部分组合成figure对象'''
fig = go.Figure(data=data, layout=layout)
'''启动绘图直接绘制figure对象'''
plotly.offline.init_notebook_mode()
plotly.offline.iplot(fig,filename='basic-scatter')

标题文字：

• title：str型，用于控制图像的主标题
  
• titlefont：字典型，用于独立控制标题字体的部分，其常用键如下：
  
• family：同font中的family，用于单独控制标题字体
  
• size：int型，控制标题的字体大小
  
• color：同font中的color
  

下面是一个简单的例子：

import plotly
import plotly.graph_objs as go
import numpy as np
'''构造1000个服从二维正态分布的模拟数据'''
N = 1000
random_x = np.random.randn(N)
random_y = np.random.randn(N)
'''构造trace，配置相关参数'''
trace = go.Scatter(
x = random_x,
y = random_y,
mode = 'markers'
)
'''将trace保存于列表之中'''
data = [trace]
'''创建layout对象'''
layout = go.Layout(title='测试',
titlefont={
'size':20,
'color':'9ed900'#将标题字体颜色设置颜色为葱绿
})
'''将graph部分和layout部分组合成figure对象'''
fig = go.Figure(data=data, layout=layout)
'''启动绘图直接绘制figure对象'''
plotly.offline.init_notebook_mode()
plotly.offline.iplot(fig,filename='basic-scatter')

2.4.2 坐标轴

•  xaxis或yaxis：字典型，控制横坐标的各属性，其主要键如下：
•  color：str型，传入十六进制色彩，控制横坐标上所有元素的基础颜色（在未单独指定颜色之前，这些元素均采用此处color指定的颜色）
  
•  title：str型，设置横坐标轴上的标题
  
•  titlefont：字典型，同之前所有同名参数
  
•  type：str型，用于控制横坐标轴类型，'-'表示根据输入数据自适应调整，'linear'表示线性坐标轴，'log'表示对数坐标轴，'date'表示日期型坐标轴，'category'表示分类型坐标轴，默认为'-'
  
•  autorange：bool型或'reversed'，控制是否根据横坐标对应的数据自动调整坐标轴范围，默认为True
•  range：list型，控制横坐标轴的区间范围，自行设置无默认项，取决于横坐标轴的数据类型，格式均为[左端点,右端点]
  
•  tickmode：str型，设置坐标轴刻度的格式，'auto'表示自动根据输入的数据来决定，'linear'表示线性的数值型，'array'表示由自定义的数组来表示（用数组来自定义刻度标签时必须选择此项）
  
•  tickvals：list、numpy array或pandas中的series，作为坐标轴刻度标签的替代（tickmode此时必须被设置为'array'）
•  ticks：str型，控制刻度标签的书写位置，'outside'表示在外侧显示，'inside'表示在内侧显示，''表示不显示
  
•  ticklen：int型，设置刻度标签的像素长度
  
•  tickwidth：int型，设置刻度标签的像素宽度
  
•  tickcolor：str型，传入十六进制色彩，用于控制刻度标签的颜色
  
•  tickfont：字典型，同前面所有字典型字体控制参数，用于对刻度标签进行单独控制
  
•  tickangle：int型，设置刻度标签的旋转角度
  
•  showline：bool型，控制是否绘制出该坐标轴上的直线部分
  
•  linecolor：str型，十六进制色彩，控制坐标轴线条的色彩
  
•  linewidth：int型，设置坐标轴直线部分的像素宽度
  
•  showgrid：bool型，控制是否绘制网格线
  
•  gridcolor：str型，十六进制色彩，控制网格线的颜色
  
•  gridwidth：int型，控制网格线的像素宽度
  
•  zeroline：bool型，控制是否在0值处绘制0刻度线
  
•  side：str型，控制x(y)轴放置于作图区域的位置，'top'、'bottom'控制横轴放置于顶部亦或是底部；'left'、'right'控制纵轴放置于左侧亦或是右侧
  

下面是几个简单的示例。

1. 对横纵坐标轴标题字体进行修改。

import plotly
import plotly.graph_objs as go
import numpy as np
'''构造1000个服从二维正态分布的模拟数据'''
N = 1000
random_x = np.random.randn(N)
random_y = np.random.randn(N)
'''构造trace，配置相关参数'''
trace = go.Scatter(
 x = random_x,
 y = random_y,
 mode = 'markers'
)
'''将trace保存于列表之中'''
data = [trace]
'''创建layout对象，对横纵坐标轴的标题进行一定的设置'''
layout = go.Layout(xaxis={
 'title':'这是横坐标轴',
 'titlefont':{
 'size':30
 }
},yaxis={
 'title':'这是纵坐标轴',
 'titlefont':{
 'size':40
 }
})
'''将graph部分和layout部分组合成figure对象'''
fig = go.Figure(data=data, layout=layout)
'''启动绘图直接绘制figure对象'''
plotly.offline.init_notebook_mode()
plotly.offline.iplot(fig,filename='basic-scatter')

2. 对横纵方向的坐标轴线条及网格进行设置

import plotly
import plotly.graph_objs as go
import numpy as np
'''构造1000个服从二维正态分布的模拟数据'''
N = 1000
random_x = np.random.randn(N)
random_y = np.random.randn(N)
'''构造trace，配置相关参数'''
trace = go.Scatter(
 x = random_x,
 y = random_y,
 mode = 'markers'
)
'''将trace保存于列表之中'''
data = [trace]
'''创建layout对象，对横纵坐标轴的线条及网格颜色进行一定的设置'''
layout = go.Layout(xaxis={
 'showline':False,
 'showgrid':True,
 'zeroline':False,
 'showgrid':True,
 'gridcolor':'7fecad'
 },yaxis={
'showline':False,
 'showgrid':True,
 'gridcolor':'#3d3b4f',
 'zeroline':False
})
'''将graph部分和layout部分组合成figure对象'''
fig = go.Figure(data=data, layout=layout)
'''启动绘图直接绘制figure对象'''
plotly.offline.init_notebook_mode()
plotly.offline.iplot(fig,filename='basic-scatter')

2.4.3 图例

•  showlegend：bool型，控制是否绘制图例
•  legend：字典型，用于控制用图例相关的所有属性的设置，主要键如下：
  
•  bgcolor：str型，十六进制设置图例背景颜色
  
•  bordercolor：设置图例边框的颜色
  
•  borderwidth：int型，设置图例边框的颜色
  
•  font：字典型，设置图例文字部分的字体，同前面所有font设置规则
  
•  orientation：str型，设置图例各元素的堆叠方向，'v'表示竖直，'h'表示水平堆叠
  
•  x：数值型，-2到3之间，用于设置图例在水平方向上的位置，默认为1.02
  
•  xanchor：str型，用于直接设置图例水平位置的固定位置，有'left'、'center'、'right'和'auto'几个可选项
  
•  y：数值型，-2到3之间，用于设置图例在竖直方向上的位置，默认为1
  
•  yanchor：str型，用于直接设置图例竖直方向上的固定位置，有'top'、'middle'、'bottom'和'auto'几个选项
  

下面是一个简单的例子。

将图例的位置挪动到图像中心，即百分比上（0.5,0.5）的位置：

import numpy as np
import plotly
import plotly.graph_objs as go
'''创建仿真数据'''
N = 100
random_x = np.linspace(0, 1, N)
random_y0 = np.random.randn(N)+5
random_y1 = np.random.randn(N)
random_y2 = np.random.randn(N)-5
'''构造trace0'''
trace0 = go.Scatter(
 x = random_x,
 y = random_y0,
 mode = 'markers',
 name = 'markers'
)
'''构造trace1'''
trace1 = go.Scatter(
 x = random_x,
 y = random_y1,
 mode = 'lines+markers',
 name = 'lines+markers'
)
'''构造trace2'''
trace2 = go.Scatter(
 x = random_x,
 y = random_y2,
 mode = 'lines',
 name = 'lines'
)
'''将所有trace保存在列表中'''
data = [trace0, trace1, trace2]
'''构造layout对象，对图例位置进行一定的设置'''
layout = go.Layout(legend={
 'x':0.5,
 'y':0.5
})
'''构造figure对象'''
fig = go.Figure(data=data,layout=layout)
'''启动绘图'''
plotly.offline.init_notebook_mode()
plotly.offline.iplot(fig, filename='scatter-mode')

2.4.4 其它杂项

•  width：int型，控制影像的像素寬度，預設為700
• # height：int型，控制影像的像素高度，預設為450
  
• # margin ：字典型輸入，控制影像邊界的寬度，其主要鍵如下：
  
•  l：int型，控製影像距離左邊界的留白區域像素寬度，預設為80
  
•  r：int型，控制影像距離右邊界的留白區域像素寬度，預設為80
  
• # t：int型，控制影像距離上邊界的留白區域像素寬度，預設為100
  
•  b：int型，控制影像距離下邊界的留白區域像素寬度，預設為80
  
•  pad：int型，控制座標軸與影像區域的像素距離，預設為0
  
•  paper_bgcolor：str型，傳入十六進位色彩，控制圖床的顏色
  
•  plot_bgcolor：str型，傳入十六進位色彩，控制繪圖區的顏色
  
•  hidesources：bool型，控制是否在影像的右下角標記來源link
  
•  hovermode：str型或False，用來設定懸停互動的方式，有'x'、'y'、'closest'和False這幾個可選項，False表示無懸停互動方式
  
## hoverlabel：字典型輸入，用於控制懸停時出現的資訊框的各屬性，主要鍵如下：
• 
  
 bgcolor：str型，傳入十六進位色彩，控制資訊框的背景色
• 
  
 bordercolor：str型，傳入十六進位色彩，控制訊息方塊邊框的顏色
• 
  
 font：字典型，控制訊息方塊中字型的各屬性，其主要鍵如下：
• 
  
 family：同之前，控製字體
• 
  
 size：int型，控製字體大小，預設13
• 
  
# color：str型，傳入十六進位色彩，控製字體顏色
• 
  
 namelength：int型，控制資訊方塊中顯示的對應trace的名字的長度限制，建議設定為- 1，即全部顯示，預設為15，即對於長於15的trace只顯示前15個字元
• 
  
 grid：字典型，控制一頁多圖（subplots）時的規劃多個圖的網格的屬性，其常用鍵如下：
• 
  
 rows：int型，控制網格中的行數（放置笛卡爾座標系類型的子圖），也可以設定多於實際繪圖需求的行數以達到留白的目的
• 
  
 roworder：str型，設定子圖按行，是從下往上疊加還是從上往下疊加，對應'top to bottom'和'bottom to top'，預設為'top to bottm'，注意，只可以設定行的疊加順序，列方向上的疊加順序始終為從左往右
• 
  
 columns：int型，同rows，控制網格的列數
•  pattern：str型，用於控制一頁多圖中子圖之間座標軸的共享情況，'coupled'表示每一列共享同一個x軸，每一行共享一個y軸，'independent'表示每個子圖xy軸獨立（這在進行量綱相差較大的子圖的繪製尤為有用）
• 
  
 xgap：float型，0.0 -1.0之間，用於控制子圖之間的水平空白區域寬度佔一個子圖寬度的百分比
• 
  
# ygap：同xgap，控制垂直方向上子圖之間的寬度
• 
  
 domain：字典型，設定一頁多圖時，子圖佔據的區域距離上下左右邊界的寬度情況，其主要鍵如下：
• 
  
 x：list型，格式為[x1,x2]，x1控制子圖區域左端與圖床左端的距離，x2控制子圖區域右端與圖床左端的距離，x1、x2都代表百分比，在0.0-1.0之間取值
• 
  
 y：同x，控制子圖區域上下端分別與圖床上端的距離百分比
• 
  
##總結

以上就是plotly的繪圖基礎部分，如有筆誤，望指出。

以上是Python視覺化 | Python視覺化進階必備 - plotly的詳細內容。更多資訊請關注PHP中文網其他相關文章！