吹爆了这个可视化神器，上手后直接开大~.docxVIP

吹爆了这个可视化神器，上手后直接开大~ 本文的是在如下环境下测试完成的。 Python3.7 Jupyter notebook Pandas1.1.3 Plotly_express0.4.1 其中 Plotly_express0.4.1 是本文的配角，安装它格外简约，只需要使用 pip install 就可以 $?python3?-m?pip?install?plotly_express 2. 工具概述 在说?plotly_express之前，我们先了解下plotly。Plotly是新一代的可视化神器，由TopQ量化团队开源。虽然Ploltly功能格外之强大，但是一直没有得到注重，次要缘由还是其设置过于繁琐。因而，Plotly推出了其简化接口：Plotly_express，下文中统一简称为px。 px是对Plotly.py的一种高级封装，其内置了很多有用且现代的绘图模板，用户只需要调用简约的API函数即可有用，从而快速绘制出秀丽且动态的可视化图表。 px是完全免费的，用户可以任意使用它。最重要的是，px和plotly生态系统的其他部分是完全兼容的。用户不只可以在Dash中使用，还能通过Orca将数据导出为几乎任意文件格式。 官网的学习材料：/ px的安装是格外简约的，只需要通过pip install plotly_express来安装即可。安装之后的使用： import?plotly_express?as?px?? 3. 开头绘图 接下来我们通过px中自带的数据集来绘制各种精致的图形。 gapminder tips wind 3.1 数据集 首先我们看下px中自带的数据集： import?pandas?as?pdimport?numpy?as?npimport?plotly_express?as?px??#?现在这种方式也可行：import plotly.express as px#?数据集gapminder?=?px.data.gapminder()gapminder.head()??#?取出前5条数据 我们看看全部属性值： 3.2 线型图 线型图line在可视化制图中是很常见的。利用px能够快速地制造线型图： #?line?图fig?=?px.line(??gapminder,??#?数据集??x=year,??#?横坐标??y=lifeExp,??#?纵坐标??color=continent,??#?颜色的数据??line_group=continent,??#?线性分组??hover_name=country,???#?悬停hover的数据??line_shape=spline,??#?线的外形??render_mode=svg??#?生成的图片模式)fig.show() 再来制造面积图： #?area?图fig?=?px.area(??gapminder,??#?数据集??x=year,??#?横坐标??y=pop,??#?纵坐标??color=continent,???#?颜色??line_group=country??#?线性组别)fig.show() 3.3 散点图 散点图的制造调用scatter方法： 指定size参数还能转变每个点的大小： px.scatter(??gapminder2007???#?绘图DataFrame数据集??,x=gdpPercap??#?横坐标??,y=lifeExp??#?纵坐标??,color=continent??#?区分颜色??,size=pop???#?区分圆的大小??,size_max=60??#?散点大小) 通过指定facet_col、animation_frame参数还能将散点进行分块显示： px.scatter(??gapminder???#?绘图使用的数据??,x=gdpPercap?#?横纵坐标使用的数据??,y=lifeExp??#?纵坐标数据??,color=continent??#?区分颜色的属性??,size=pop???#?区分圆的大小??,size_max=60??#?圆的最大值??,hover_name=country??#?图中可视化最上面的名字??,animation_frame=year??#?横轴滚动栏的属性year??,animation_group=country??#?标注的分组??,facet_col=continent???#?依据国家country属性进行分格显示??,log_x=True??#?横坐标表取对数??,range_x=[100,100000]??#?横轴取值范围??,range_y=[25,90]??#?纵轴范围??,la