直接跳到末尾****去评论区领书

上一篇文章我们介绍了 Bokeh，接下来让我们继续我们列表的第四个库。这是我们列表中的最后一个库，您可能想知道为什么用Plotly。以下就是它的优点——

• Potly 具有悬停工具功能，使我们能够检测众多数据点中的任何异常值或异常情况。
• 它允许更多的定制。
• 它使图形在视觉上更具吸引力。

安装

要安装它，请在终端中输入以下命令。

pip install plotly

散点图

散点图中Plotly可以使用被创建scatter()plotly.express的方法。和 Seaborn 一样，这里也需要一个额外的数据参数。

例子：

import plotly.express as px
import pandas as pd
# 读取数据库
data = pd.read_csv("tips.csv")
# 绘制散点图
fig = px.scatter(data, x="day", y="tip", color='sex')
# 显示plot
fig.show()

输出：

折线图

Plotly 中的折线图看起来比较直观，并且是 plotly 的杰出合并，它管理各种类型的数据并组装易于样式的统计数据。使用px.line 将每个数据位置表示为一个顶点

例子：

import plotly.express as px
import pandas as pd
# 读取数据库
data = pd.read_csv("tips.csv")
# 绘制散点图
fig = px.line(data, y='tip', color='sex')
# 显示plot
fig.show()

条形图

Plotly 中的条形图可以使用 plotly.express 类的 bar() 方法创建。

例子：

import plotly.express as px
import pandas as pd
# 读取数据库
data = pd.read_csv("tips.csv")
# 绘制散点图
fig = px.bar(data, x='day', y='tip', color='sex')
# 显示情节
fig.show()

输出：

直方图

在plotly，直方图可以使用plotly.express类的histogram()函数创建。

例子：

import plotly.express as px
import pandas as pd
# 读取数据库
data = pd.read_csv("tips.csv")
# 绘制散点图
fig = px.histogram(data, x='total_bill', color='sex')
# 显示 plot
fig.show()

输出：

添加交互

就像 Bokeh 一样，plotly 也提供了各种交互。让我们讨论其中的几个。

创建下拉菜单：下拉菜单是菜单按钮的一部分，始终显示在屏幕上。每个菜单按钮都与一个菜单小部件相关联，该小部件可以在单击该菜单按钮时显示该菜单按钮的选项。在 plotly 中，有 4 种可能的方法可以使用 updatemenu 方法来修改图表。

• restyle： 修改数据或数据属性
• relayout： 修改布局属性
• update： 修改数据和布局属性
• animate： 开始或暂停动画

例子：

import plotly.graph_objects as px
import pandas as pd
# 读取数据库
data = pd.read_csv("tips.csv")
plot = px.Figure(data=[px.Scatter(
	x=data['day'],
	y=data['tip'],
	mode='markers',)
])
# 添加下拉菜单
plot.update_layout(
	updatemenus=[
		dict(
			buttons=list([
				dict(
					args=["type", "scatter"],
					label="Scatter Plot",
					method="restyle"
				),
				dict(
					args=["type", "bar"],
					label="Bar Chart",
					method="restyle"
				)
			]),
			direction="down",
		),
	]
)
plot.show()

输出：

添加按钮： 在 plotly 中，动作自定义按钮用于直接从记录中快速制作动作。自定义按钮可以添加到 CRM、营销和自定义应用程序中的页面布局。还有 4 种可能的方法可以应用于自定义按钮：

• restyle： 修改数据或数据属性
• relayout： 修改布局属性
• update： 修改数据和布局属性
• animate： 开始或暂停动画

例子：

import plotly.graph_objects as px
import pandas as pd
# 读取数据库
data = pd.read_csv("tips.csv")
plot = px.Figure(data=[px.Scatter(
	x=data['day'],
	y=data['tip'],
	mode='markers',)
])
# 添加下拉菜单
plot.update_layout(
	updatemenus=[
		dict(
			type="buttons",
			direction="left",
			buttons=list([
				dict(
					args=["type", "scatter"],
					label="Scatter Plot",
					method="restyle"
				),
				dict(
					args=["type", "bar"],
					label="Bar Chart",
					method="restyle"
				)
			]),
		),
	]
)
plot.show()

输出：

创建滑块和选择器：

在 plotly 中，范围滑块是一个自定义范围类型的输入控件。它允许在指定的最小和最大范围之间选择一个值或一个值范围。范围选择器是一种用于选择要在图表中显示的范围的工具。它提供了用于在图表中选择预配置范围的按钮。它还提供了输入框，可以手动输入最小和最大日期

例子：

import plotly.graph_objects as px
import pandas as pd
# 读取数据库
data = pd.read_csv("tips.csv")
plot = px.Figure(data=[px.Scatter(
	y=data['tip'],
	mode='lines',)
])
plot.update_layout(
	xaxis=dict(
		rangeselector=dict(
			buttons=list([
				dict(count=1,
					step="day",
					stepmode="backward"),
			])
		),
		rangeslider=dict(
			visible=True
		),
	)
)
plot.show()

输出：

小结

在本系列教程中，我们借助 Python 的四个不同绘图模块（即 Matplotlib、Seaborn、Bokeh 和 Plotly）绘制了tips 数据集。每个模块都以自己独特的方式显示情节，每个模块都有自己的一组功能，例如 Matplotlib 提供了更大的灵活性，但代价是编写更多代码，而 Seaborn 作为一种高级语言提供了允许人们通过少量代码。每个模块都可以根据我们想要完成的任务使用。

🥇 Python 进行数据可视化系列汇总

• 使用 Python 进行数据可视化之Matplotlib
• 使用 Python 进行数据可视化之Seaborn
• 使用 Python 进行数据可视化之Bokeh
• 使用 Python 进行数据可视化之Plotly

🧵 更多相关文章

• 30 个 Python 教程和技巧
• 如何在 Python 中编写注释和多行注释
• 通过示例了解 Python 数字和类型转换
• Python 数据类型——从基础到高级学习
• 手把手教你使用 Python 制作贪吃蛇游戏
• Python 中的面向对象编程一之类、对象和成员

🍰 往日优秀文章推荐：

• 每个人都必须知道的 20 个 Python 技巧
• 100 个基本 Python 面试问题第一部分(1-20)
• 100 个基本 Python 面试问题第二部分(21-40)
• 100 个基本 Python 面试问题第三部分(41-60)
• 100 个基本 Python 面试问题第四部分(61-80)
• 100 个基本 Python 面试问题第五部分(81-100)