plotly-express

      在〈plotly-express〉中尚無留言

Plotly是一個用於做分析和視覺化的線上平台, 被稱為有史以來最牛逼的視覺化神器. 其功能強大到不僅與多個主流繪圖軟體的對接, 而且還可以像Excel那樣實現互動式製圖, 而且圖表種類齊全, 可以實現線上分享以及開源。

plotly-express 以 html 顯示圖例，需使用瀏覽器顯圖。

Plotly的功能

關於Plotly的功能介紹, 有如下
1. 基本圖表：20種
2. 統計和海運方式圖：12種
3. 科學圖表：21種
4. 財務圖表：2種
5. 地圖：8種
6. 3D圖表：19種
7. 擬合工具：3種
8. 流動圖表：4種
…………

Plotly Express

plotly雖然功能強大, 卻一直沒有得到廣泛應用, 最主要的原因就是plotly的設置過於繁瑣. 因此, plotly 再度的推出簡化介面：Plotly Express, 簡稱 px.  px採用ROR等新一代 “約定優先” 程式設計模式, 內置了大量實用、現代的繪圖範本, 使用者只需調用簡單的api函數, 即可生成漂亮的互動畫面.

px 是 Plotly.py 的高度封裝, 它為複雜的圖表提供了一個簡單的語法. 且px與 Plotly 完全相容. 而px內置了的圖表組合, 已涵蓋了90%常用的繪圖需要。

px 所吃的資料，亦是 DataFrame。DataFrame雖也可以繪制圖表，只是它調用 Matplotlib 進行圖表繪制。而 px 則採用網頁格式顯示圖表。

安裝

pip install plotly plotly-express

常用指令

px.scatter() : 點散圖
px.choropleth() : 地理數據
px.bar() : 長條圖
px.line() : 折線圖
px.box() : 箱型圖
px.violin() : 小提琴圖
px.scatter_3d() : 3D點散圖
px.add_trace(go.Scatter()) : 軌跡圖 + 點散圖

gapminder資料

px也提供了一些內建的資料, 使用px.data.gapminder()即可取得DataFrame的格式, 底下列印一部份的資料. 由結果可知, 這份資料是統計每一年每個國家的平均人民壽命, 人口數, GPD所得

import plotly_express as px
import pandas as pd
pd.set_option('display.max_rows', None)
pd.set_option('display.max_columns', None)
pd.set_option('display.width', None)
pd.set_option('display.max_colwidth', None)
df = px.data.gapminder().query('year == 2007')
print(df)
結果 :
                       country continent  year  lifeExp         pop     gdpPercap iso_alpha  iso_num
11                 Afghanistan      Asia  2007   43.828    31889923    974.580338       AFG        4
23                     Albania    Europe  2007   76.423     3600523   5937.029526       ALB        8
35                     Algeria    Africa  2007   72.301    33333216   6223.367465       DZA       12
47                      Angola    Africa  2007   42.731    12420476   4797.231267       AGO       24
59                   Argentina  Americas  2007   75.320    40301927  12779.379640       ARG       32
71                   Australia   Oceania  2007   81.235    20434176  34435.367440       AUS       36
83                     Austria    Europe  2007   79.829     8199783  36126.492700       AUT       40
95                     Bahrain      Asia  2007   75.635      708573  29796.048340       BHR       48

簡易圖表

底下的代碼, 說明如何在Pycharm中顯示plotly_express的使用方式. 早期如果舊版plotly_express，需使用plotly.offline.plot(px.scatter())才可將chart顯示在Chrome裏。但新版的plotly_express，則使用show()即可由Chrome顯示圖型。 

代碼中, px.data.gapminder()取得內建的資料庫, 圖表為2007年中, 各個國家的GDP所得與平圴壽命比較圖, 不同的洲別使用不同的顏色標示出來

#!/usr/bin/python3
import plotly_express as px
import plotly
file='plotly_simple.html'
df = px.data.gapminder().query('year == 2007')
chart=px.scatter(df, x='gdpPercap', y='lifeExp', color='continent')
chart.show()
plotly.offline.plot(chart,filename=file, auto_open=False)
print('<iframe src="/python/plotly/{0}" width="800" height="650"></iframe>'.format(file))

上述每個點代表一個國家, 可以依每個國家的人口數加大圓點的大小,  size=’pop’ size_max=60. 另外滑鼠移到圓點時顯示國家別, 只要加入hover_name=’country’即可, 如下代碼

#!/usr/bin/python3
import plotly_express as px
import plotly
file='plotly_scatter1.html'
df = px.data.gapminder().query('year == 2007')
chart=px.scatter(df, x='gdpPercap', y='lifeExp', color='continent', 
        size='pop', size_max=60, hover_name='country')
chart.show()

分類

一不作, 二不休, 繼續來搞個更複雜的, 依照各洲進行分類, 完整代碼如下

#!/usr/bin/python3
import plotly_express as px
import plotly
file='plotly_scatter2.html'
df = px.data.gapminder().query('year == 2007')
chart=px.scatter(df, x='gdpPercap', y='lifeExp', color='continent', 
        size='pop', size_max=60, hover_name='country', 
        facet_col='continent')
chart.show()

動畫

將每一年的GPD與壽命製作成動畫, 這是相當強悍的功能. 但只需指定年份為每個影格的變數 animation_frame=’year’, range_x=[100,100000], range_y=[25,100].

另外加上log_x=True, 是指要將X軸的範圍, 以10的倍數增長, 如此就可以將10~10k之間的長度加大, 而10k~100k之間的長度縮小. 因為大部份的值都是落在10-10k之間

#!/usr/bin/python3
import plotly_express as px
import plotly
file='plotly_animation.html'
df = px.data.gapminder()
chart=px.scatter(df, x='gdpPercap', y='lifeExp', color='continent', 
        size='pop', size_max=60, hover_name='country', 
        animation_frame='year', animation_group='country', 
        range_x=[100,100000], range_y=[25,90], log_x=True)
chart.show()

地理數據

以上的數據, 也可以使用世界地圖及顏色來標示(真的是太強悍了). 首先必需使 px.choropleth()來繪製圖型. 重要的參數為 dataframe, locations必需為AFG等國際標準碼, color_continuous_scale顏色標示順序範本.

其他的就屬animation_frame(動畫的依據)及projection(投影方式), 這二個是選項值

#!/usr/bin/python3
import plotly_express as px
import plotly
file='plotly_map.html'
df = px.data.gapminder()
chart=px.choropleth(df, locations='iso_alpha', color_continuous_scale=
        px.colors.sequential.Plasma, 
        color='lifeExp', animation_frame='year', 
        projection='natural earth')
chart.show()

長條圖

底下使用minder[minder[‘iso_alpha’]==’TWN’] 取得 台灣的DataFrame資料後, 再使用 px.bar()將每年的人口數印出. 參數只有data, x, y三個

#!/usr/bin/python3
import plotly_express as px
import plotly
df = px.data.gapminder()
df=df[df['iso_alpha']=='TWN']
chart=px.bar(df, x='year', y='pop', title='台灣歷年人口數量')
chart.show()

折線圖

多條折線圖, 必需將DataFrame轉換成類似流水帳的資料格式，然後使用 color 進行分類。底下的代碼為黃金買賣折線圖, 每一天有二筆資料, 分別是買進跟賣出的價格, 注意藍色的部份。

另外, px的Legend及x, y label, 皆使用df的欄位名稱, 無法額外變更

import datetime
import plotly_express as px
import plotly
import mysql.connector as mysql
import pandas as pd
conn=mysql.connect(host="ip",user="account", password="password", database="db")
cmd="select * from 台銀黃金 where 日期  >= '2022/01/01' order by 日期"
cursor=conn.cursor()
cursor.execute(cmd)
rs=cursor.fetchall()
columns=['日期', '價格', 'type']

l1=[(r[1], r[2], '買進') for r in rs]
l2=[(r[1], r[3], '賣出') for r in rs]
ls=l1+l2

df=pd.DataFrame(ls, columns=columns)
fig=px.line(df, x='日期', y='價格', color='type')
fig.show()

箱型圖

箱型圖可取得每一種狀態的最低值, 最高值, 及平圴值. 那麼, 那一個欄位有這種特性呢, 比如亞洲每一個國家的人民壽命. 

試想一件事, 若想要使用箱型圖列出台灣每一年的人民壽命, 那結果如何 ?? 當然是每一年只有一條線, 因為每年只有一筆資料. 

#!/usr/bin/python3
import plotly_express as px
import plotly
file='plotly_box.html'
df = px.data.gapminder()
df=df[df['continent']=='Asia']
chart=px.box(df, x='year', y='lifeExp', title='亞洲人歷年壽命')
chart.show()

小提琴圖

violin可以說是箱型圖的改良版, 可以顯示不同國家不同的值

#!/usr/bin/python3
import plotly_express as px
import plotly
file='plotly_violin.html'
df = px.data.gapminder()
df=df[df['continent']=='Asia']
chart=px.violin(df, x='year', y='lifeExp', title='亞洲人歷年壽命')
chart.show()

px.scatter_3d

plotly-express目前有scatter_3d及 line_3d。至於長條圖等圖表，則沒有3D的效果。底下可繪製出圓柱彈簧的效果。

import plotly_express as px
import plotly
import pandas as pd
import numpy as np
pd.set_option('display.max_columns', None)
pd.set_option('display.max_rows', None)
pd.set_option('display.width', None)
pd.set_option('display.max_colwidth', None)
x=[]
y=[]
z=[]
r=100
for i in range(360*10):
    x.append(r*np.cos(np.pi*i/180))
    y.append(r * np.sin(np.pi * i / 180))
    z.append(i/100)
df=pd.DataFrame(data={"x":x, "y":y, "z":z})
fig=px.scatter_3d(df, x="x", y="y", z="z")
fig.show()

發佈留言

發佈留言必須填寫的電子郵件地址不會公開。 必填欄位標示為 *