Plotly之高级使用说明

2020年3月28日07:28:04

评论5 5095字阅读16分59秒

摘要这一篇文章是对于Plotly绘图的一个更加详细的说明, 上一篇文章我们只用实际例子来讲Plotly是如何使用的, 并且主要集中的Plotly Express的使用上. 这一篇文章我们会说一下Plotly Express和Graph Object的区别, 再说明一下如何使用Graph Object来进行绘图.

文章目录(Table of Contents)

简介

这一篇更加详细的介绍一下Plotly的使用. 之前我们从例子的角度出发, 介绍了Plotly的使用. 在这里我们从更基础的地方讲起, 我们会说明graph object和plotly express的关系. 并说一些Plotly的高级用法, 包括如何绘制子图. 如何将不同的内容绘制在同一幅图像中.

这一篇文章我主要参考Plotly的官方教程: Creating and Updating Figures in Python. 我选取里面部分的内容进行讲解, 大家有空还是可以看看原文的.

同时, 这是关于Plotly的第2篇说明, 第1篇主要从一个例子出发, 介绍了Plotly的基本使用, 链接如下: Python数据可视化之Plotly使用

Plotly基础介绍

plotly.py是提供了一个python使用Plotly.js(JavaScript library)这个的接口. 在Plotly.js中, 一个figure与一个JSON文件是对应的. 我们可以看下面的一个例子, JSON文件是如何与Figure对应的.

fig = {
"data":[{'type': 'bar',
'x': [1,2,3],
'y': [1,3,2]}],
"layout": {"title": {"text": "A Bar Chart"}}
}
import plotly.io as pio
pio.show(fig)

在上面的代码中, 我们可以看到我们定义了一个fig, 是一个字典类型.

在data中我们定义了要绘制图像的种类和里面的数值.
在layout中我们可以定义图像的布局, 例如标题等.

最终的绘制结果如下所示.

当然, 直接这么进行绘制的话, 会有一些麻烦, 于是我们有一些更高级API来绘制更加复杂的图像.

一些准备

我们首先导入需要使用的库, 后面就不重复进行书写了.

import plotly.express as px
import plotly.graph_objects as go

Plotly中的graph objects

与直接使用python中的字典类型来进行绘制, plotly.py提供了一个更加高级的类叫"graph objects"来帮助我们绘图, 与直接使用字典类型来进行绘图相比, 他有以下的好处:

使用Graph objects报错更加详细, 如果你有地方参数有问题, 可以有更加详细的报错信息.
对于各个属性的修改, 我们可以使用fig['layout']或是fig.layout进行修改.

对于上面的例子, 我们看一下如何使用graph objects来进行实现.

fig = go.Figure(
data=[go.Bar(x=[1, 2, 3], y=[1, 3, 2])],
layout=go.Layout(
title=go.layout.Title(text="A Bar Chart")
)
)
fig.show()

绘制的结果是和上面的结果是一样的.

同时, graph object还是提供下面两个方法来将图像转换为json或是dict.

fig.to_json()
fig.to_dict()

Plotly中的Plotly Express

Plotly Express是提供了一种更加高级的API来创建graph object. 我们还是使用上面的绘制bar的例子来进行说明.

# 创建数据集
data_test = pd.DataFrame([[1,1],[2,3],[3,2]], columns=['x','y'])
# 进行绘图
fig = px.bar(data_test, x='x', y='y')
fig.update_layout(title="A Bar Chart") # 这个时候也是可以更新图像的标题
fig.show()

绘制出来的结果还是一样的.

Plotly更新图像

上面我们说到使用graph object的一个好处就是可以很方便的更新图像. 这个更新可以指向图像中添加新的内容, 或是更改图像的布局等. 我们还是看下面的例子来进行说明.

多组图像绘制在一起-add_trace

首先我们可以使用add_trace的功能, 将多幅图像绘制在一起, 下面我们将barchart和linechart绘制在一起.

fig = go.Figure()
fig.add_trace(go.Bar(x=[1, 2, 3], y=[1, 3, 2]))
fig.add_trace(go.Scatter(x=[1,2,3], y=[2,3,1], mode='lines'))
fig.show()

与Plotly Express图形组合

当然, 我们也可以向使用Plotly Express绘制的图像添加内容. 因为使用Plotly Express可以绘制出比较好看的图像, 所以我们可以先绘制出一些好的图像, 之后在往里面加一些辅助的图像.

比如下面这个例子, 我们可以首先使用Plotly Express绘制散点图, 接着向里面增加拟合的直线.

df = px.data.iris()
fig = px.scatter(df, x="sepal_width", y="sepal_length", color="species")
fig.add_trace(
go.Scatter(
x=[2, 4],
y=[4, 8],
mode="lines",
name='Regression',
line=go.scatter.Line(color="gray"),
showlegend=True)
)
fig.show()

更加便捷的方式-add_bar等

除了上面提供的增加trace的方法之外, 他还提供了直接添加的方式. 例如可以直接将add_trace改为add_bar等操作, 所以看到不要觉得奇怪就行了, 我们还是看一个例子.

fig = go.Figure()
fig.add_bar(y=[2, 1, 3])
fig.show()

绘制的结果就是柱状图, 就不放图了, 没什么特别的.

更新图像布局-update_layout

除了上面的add_trace之外, 我们还可以update_layout来修改图像的标题, 坐标轴的名称等. 我们可以看下面的一个例子, 来更新标题的名称和标题的字号.

fig = go.Figure(data=go.Bar(x=[1, 2, 3], y=[1, 3, 2]))
fig.update_layout(title_text="A Bar Chart",
title_font_size=30)
fig.show()

我们还可以使用这个方法来调整x轴的显示, 例如可以转换为log尺度的.

fig.update_layout(xaxis_type="log")

更新坐标轴-update_xaxes

除了上面图像的标题的更新, 我们还可以对坐标轴进行更新, 例如下面的, 我们选择不显示grid.

df = px.data.iris()
fig = px.scatter(df, x="sepal_width", y="sepal_length", color="species", facet_col="species")
fig.update_xaxes(showgrid=False)
fig.show()