使用 Python 进行数据可视化之Plotly（01）

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.line(data, y='tip', color='sex')

# 显示plot
fig.show()

      

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

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。

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()      

直方图

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

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()