使用 Python 进行数据可视化之Plotly（02）

添加交互

就像 Bokeh 一样，plotly 也提供了各种交互。让我们讨论其中的几个。

创建下拉菜单：下拉菜单是菜单按钮的一部分，始终显示在屏幕上。每个菜单按钮都与一个菜单小部件相关联，该小部件可以在单击该菜单按钮时显示该菜单按钮的选项。在 plotly 中，有 4 种可能的方法可以使用 updatemenu 方法来修改图表。

restyle： 修改数据或数据属性

relayout： 修改布局属性

update： 修改数据和布局属性

animate： 开始或暂停动画

例子：

import plotly.graph_objects as px
import pandas as pd

# 读取数据库
data = pd.read_csv("tips.csv")


plot = px.Figure(data=[px.Scatter(
    x=data['day'],
    y=data['tip'],
    mode='markers',)
])

# 添加下拉菜单
plot.update_layout(
    updatemenus=[
        dict(
            buttons=list([
                dict(
                    args=["type", "scatter"],
                    label="Scatter Plot",
                    method="restyle"
                ),
                dict(
                    args=["type", "bar"],
                    label="Bar Chart",
                    method="restyle"
                )
            ]),
            direction="down",
        ),
    ]
)

plot.show()

      

输出：

添加按钮： 在 plotly 中，动作自定义按钮用于直接从记录中快速制作动作。自定义按钮可以添加到 CRM、营销和自定义应用程序中的页面布局。还有 4 种可能的方法可以应用于自定义按钮：

import plotly.graph_objects as px
import pandas as pd

# 读取数据库
data = pd.read_csv("tips.csv")


plot = px.Figure(data=[px.Scatter(
    x=data['day'],
    y=data['tip'],
    mode='markers',)
])

# 添加下拉菜单
plot.update_layout(
    updatemenus=[
        dict(
            type="buttons",
            direction="left",
            buttons=list([
                dict(
                    args=["type", "scatter"],
                    label="Scatter Plot",
                    method="restyle"
                ),
                dict(
                    args=["type", "bar"],
                    label="Bar Chart",
                    method="restyle"
                )
            ]),
        ),
    ]
)

plot.show()

      

创建滑块和选择器：

在 plotly 中，范围滑块是一个自定义范围类型的输入控件。它允许在指定的最小和最大范围之间选择一个值或一个值范围。范围选择器是一种用于选择要在图表中显示的范围的工具。它提供了用于在图表中选择预配置范围的按钮。它还提供了输入框，可以手动输入最小和最大日期

import plotly.graph_objects as px
import pandas as pd

# 读取数据库
data = pd.read_csv("tips.csv")

plot = px.Figure(data=[px.Scatter(
    y=data['tip'],
    mode='lines',)
])

plot.update_layout(
    xaxis=dict(
        rangeselector=dict(
            buttons=list([
                dict(count=1,
                    step="day",
                    stepmode="backward"),
            ])
        ),
        rangeslider=dict(
            visible=True
        ),
    )
)

plot.show()

      

输出:

https://img-blog.csdnimg.cn/img_convert/e2fde7a3b228f207d32014c4c4f5134a.gif

小结

在本系列教程中，我们借助 Python 的四个不同绘图模块（即 Matplotlib、Seaborn、Bokeh 和 Plotly）绘制了tips 数据集。每个模块都以自己独特的方式显示情节，每个模块都有自己的一组功能，例如 Matplotlib 提供了更大的灵活性，但代价是编写更多代码，而 Seaborn 作为一种高级语言提供了允许人们通过少量代码。每个模块都可以根据我们想要完成的任务使用。