Python Plotly怎么使用

這篇文章主要介紹“Python Plotly怎么使用”，在日常操作中，相信很多人在Python Plotly怎么使用問題上存在疑惑，小編查閱了各式資料，整理出簡單好用的操作方法，希望對大家解答”Python Plotly怎么使用”的疑惑有所幫助！接下來，請跟著小編一起來學習吧！

可視化神器Plotly_Express詳解

Plotly是新一代的數據可視化神器，TopQ擴展開源團隊，雖然plotly功能強大，卻一直沒有得到廣泛應用，大部分py開發人員，還在使用陳舊的matplotlib，其中最重要的原因，就是plotly的設置過于繁瑣。折射率，plotly推出了其簡化接口：Plotly Express，簡稱：px。

Plotly Express是對Plotly.py的高級封裝，內置的實用，現代的繪圖模板，用戶只需調用簡單的API函數，即可快速生成漂亮的交互式圖表。

Plotly Express內置的圖表組合，涵蓋了90％常用的繪圖需要，Python畫圖，首推Plotly Express。

封裝圖表說明

scatter：散點圖在散點圖中，每行data_frame由2D空間中的符號標記表示；

scatter_3d：三維散點圖在3D散點圖中，每行data_frame由3D空間中的符號標記表示；

scatter_polar：極坐標散點圖在極坐標散點圖中，每行data_frame由極坐標中的符號標記表示；

scatter_ternary：三元散點圖在三元散點圖中，每行data_frame由三元坐標中的符號標記表示；

scatter_mapbox：地圖散點圖在Mapbox散點圖中，每行data_frame都由Mapbox地圖上的符號標記表示；

scatter_geo：地理坐標散點圖在地理散點圖中，每行data_frame都由地圖上的符號標記表示；

scatter_matrix：矩陣散點圖在散點圖矩陣（或SPLOM）中，每行data_frame由多個符號標記表示，在2D散點圖的網格的每個單元格中有一個，其將每對尺寸彼此相對相對；

density_contour：密度等值線圖（雙變量分布）在密度等值線圖中，行data_frame被組合在一起，成為輪廓標記，以可視化該值的聚合函數histfunc（例如：計數或總和）的2D分布z ；

density_heatmap：密度熱力圖（雙變量分布）在密度熱圖中，行data_frame被組合在一起，成為彩色矩形細分，以可視化該值的聚合函數histfunc（例如：計數或總和）的2D分布z；

line：線條圖在2D線圖中，每行data_frame表示為2D空間中折線標記的頂端；

line_polar：極坐標線條圖在極線圖中，每行data_frame表示為極坐標中折線標記的頂端；

line_ternary：三元線條圖在三元線圖中，每行data_frame表示為三元坐標中折線標記的尖端；

line_mapbox：地圖線條圖在Mapbox線圖中，每一行data_frame表示為Mapbox地圖上折線標記的頂端；

line_geo：地理坐標線條圖在地理線圖中，每一行data_frame表示為地圖上折線標記的頂端；

parallel_coordinates：平行坐標圖在平行坐標圖中，每行data_frame由折線標記表示，該行線標記分隔成平行軸，每個平行軸對應一個平行軸的尺寸；

parallel_categories：并行類別圖在并行類別（或平行集）圖中，每行data_frame與其他共享相同值的行組合，尺寸然后通過平行軸對齊為折線標記，每個平行軸對應一個尺寸；

區域：堆積區域圖在堆積區域圖中，每行data_frame表示為2D空間中折線標記的尖端。連續折線之間的區域被填充；

bar：條形圖在條形圖中，每行data_frame表示為矩形標記；

bar_polar：極坐標條形圖在極坐標條形圖中，每一行都data_frame表示為極坐標中的楔形標記；

小提琴圖：小提琴圖在小提琴圖中，將data_frame每一行分組成一個曲線標記，剎車可視化其的分布；

box：箱形圖在箱形圖中，data_frame的每一行被組合在一起成為盒須標記，以顯示它們的分布；

strip：長條圖在長條圖中，每行data_frame表示為類別中的主軸標記； l

直方圖：直方圖在直方圖中，每行data_frame被組合在一起成為矩形標記，以可視化該值的聚合函數histfunc（例如，計數或總和）的1D分布y（或者x，如果orientation是'h'時）；

choropleth：等高（值）區域地圖在等值區域圖中，每行data_frame由地圖上的彩色區域標記表示；

呈現動畫散點圖

繪畫散點圖的圖表是：scatter，詳細代碼如下：

import plotly.express as px
df = px.data.gapminder()
px.scatter(df, x="gdpPercap", y="lifeExp", animation_frame="year", animation_group="country",
           size="pop", color="continent", hover_name="country",
           log_x=True, size_max=55, range_x=[100,100000], range_y=[25,90])

顯示結果為：

動畫條形圖

import plotly.express as px

df = px.data.gapminder()

fig = px.bar(df, x="continent", y="pop", color="continent",
  animation_frame="year", animation_group="country", range_y=[0,4000000000])
fig.show()

到此，關于“Python Plotly怎么使用”的學習就結束了，希望能夠解決大家的疑惑。理論與實踐的搭配能更好的幫助大家學習，快去試試吧！若想繼續學習更多相關知識，請繼續關注億速云網站，小編會繼續努力為大家帶來更多實用的文章！