資料視覺化(Data Visualization) - Python 套件 - 互動式繪圖 - 各種類型圖的繪製 - Plotly筆記(三)

為自己Coding
·
·
IPFS
·
這篇會直接帶大家使用Plotly來進行各種圖形的繪製喔！！


Github連結


攝影師：Elianne Dipp，連結：Pexels




1. 折線圖 & 散點圖

  • 上一篇中我們有實作過這部分，兩種類型圖都可以使用plotly.graph_objs.Scatter()函式來實現，實作方式的差別在於mode，是傳入markers、lines、text、兩倆配對或三個組合使用
  • 接下來我們使用的數據集來自於Plotly放在github上的各種數據集，非常適合大家拿來練習使用 - https://gihub.com/plotly/datasets
  • 舉例: 這邊使用股市資料來demo，我將IBM以折線的方式，SBUX以折線加散點的方式，AAPL用散點的方式來呈現，也透過這張圖帶大家感受一下這三種搭配組合的差別


STEP 1: 導入數據集與Plotly所需的套件

## 導入套件
import plotly
import plotly.offline as pof
import plotly.graph_objs as go
import pandas as pd
​
​
## 設定為離線
pof.init_notebook_mode(connected = True)
​
## 導入數據集
stock_df = pd.read_csv("https://raw.githubusercontent.com/plotly/datasets/master/stockdata.csv")
​
## 取數據集中的前40筆
stock_df = stock_df.head(40)
​
## 顯示數據
stock_df

執行結果



STEP 2: 繪圖

## 數據集 折線圖
data1 = go.Scatter(
  x = stock_df['Date'],
  y = stock_df['IBM'],
  mode = "lines",
  name = 'IBM'
)
​
## 數據集 折線+點圖
data2 = go.Scatter(
  x = stock_df['Date'],
  y = stock_df['SBUX'],
  mode = "lines+markers",
  name = 'SBUX'
)
​
​
## 數據集 點圖
data3 = go.Scatter(
  x = stock_df['Date'],
  y = stock_df['AAPL'],
  mode = "markers",
  name = 'AAPL'
)
​
​
## 數據集 折線+點+文字圖
data4 = go.Scatter(
  x = stock_df['Date'],
  y = stock_df['MSFT'],
  mode = "lines+markers+text",
  name = 'MSFT'
)
​
​
## 介面
layout = go.Layout(
  title = 'Stock',
  xaxis = {'title': 'Date'},
  yaxis = {'title': 'Price'},
  showlegend = True,
  plot_bgcolor = "#B9B9FF",
  paper_bgcolor = "#ACD6FF",
  font = {
    'size': 28,
    'family': 'fantasy',
    'color': '#D9006C'
 },
)
​
## 組合成Figure
figure = go.Figure(data = [data1, data2, data3, data4], layout = layout)
​
## 繪圖
pof.iplot(figure, filename = 'Plotly-Scatter', show_link = True, link_text = "Plotly Links", image_height = 800, image_width = 900)

執行結果




補充: 如果想要自動保存圖片，只要在iplo()裡面加上image參數，可以有的的選項: 'png', 'jpeg', 'svg', 'webp'，就會自動保存成圖擋喔



2. 柱狀圖 plotly.graph_objs.Bar()

  • 柱狀圖的話，我們使用的是plotly.graph_objs.Bar()來實現，其參數與Scatter幾乎一樣，但沒有mode參數
  • 舉例: 一樣拿股市數據集進行繪圖，但這次我想要把資料縮減，我們只要2007年2月份的數據集，而且只想針對IBM和MSFT就好，但我在下面的程式碼中會將四間公司都放上喔，只是會註解掉其他兩間，如果想要四間都呈現，大家可以自行將註解打開，並在Figure()中data參數添加這兩筆數據即可
## 導入套件
import plotly
import plotly.offline as pof
import plotly.graph_objs as go
import pandas as pd
​
​
## 設定為離線
pof.init_notebook_mode(connected = True)
​
## 導入數據集
stock_df = pd.read_csv("https://raw.githubusercontent.com/plotly/datasets/master/stockdata.csv")
​
## 取數據集中的前40筆
stock_df = stock_df.head(40)
​
## 將數據設定在2007年二月份
stock_df = stock_df[(stock_df['Date'] < '2007-03-01') & (stock_df['Date'] > '2007-01-31')]
​
## 數據1
data1 = go.Bar(
  x = stock_df['Date'],
  y = stock_df['IBM'],
  name = 'IBM'
)
​
​
### 數據2
# data2 = go.Bar(
# x = stock_df['Date'],
# y = stock_df['SBUX'],
# name = 'SBUX'
# )
​
​
# ## 數據3 
# data3 = go.Bar(
# x = stock_df['Date'],
# y = stock_df['AAPL'],
# name = 'AAPL'
# )
​
​
## 數據4
data4 = go.Bar(
  x = stock_df['Date'],
  y = stock_df['MSFT'],
  name = 'MSFT'
)
​
​
​
## 介面
layout = go.Layout(
  title = 'Stock',
  xaxis = {'title': 'Date'},
  yaxis = {'title': 'Price'},
  showlegend = True,
  plot_bgcolor = "#B9B9FF",
  paper_bgcolor = "#ACD6FF",
  font = {
    'size': 28,
    'family': 'fantasy',
    'color': '#D9006C'
 },
)
​
## 組合成Figure
figure = go.Figure(data = [data1, data4], layout = layout)
​
## 繪圖
pof.iplot(figure, filename = 'Plotly-Scatter', show_link = True, link_text = "Plotly Links", image_height = 800, image_width = 900)

執行結果




4. 直方圖 plotly.graph_objs.Histogram()

  • 直方圖所使用的是plotly.graph_objs.Histogram()，它有一個特點，就是只傳入一維數據，也就是只需要傳入一組數據，它是統計這個一維數據中，不同區間的值出現的次數，它有特別的參數xbins，指的是統計區間值，以xbins = {'size': 1}為例，就是區間的距離為1，以下面的例子來說77~77.9, 78~78.9，77.9~77的相差值就是我們設定的xbins
  • 調整Layout的參數bargap: 傳入值介於0~1之間，代表直方圖之間的距離差
  • 舉例1: 我們一樣拿股市數據集中的IBM來傳入看看，發現它會統計77~77.9, 78~78.9等的區間次數
## 導入套件
import plotly
import plotly.offline as pof
import plotly.graph_objs as go
import pandas as pd
​
​
## 設定為離線
pof.init_notebook_mode(connected = True)
​
## 導入數據集
stock_df = pd.read_csv("https://raw.githubusercontent.com/plotly/datasets/master/stockdata.csv")
​
## 取數據集中的前40筆
stock_df = stock_df.head(40)
​
## 將數據設定在2007年二月份
stock_df = stock_df[(stock_df['Date'] < '2007-03-01') & (stock_df['Date'] > '2007-01-31')]
​
## 數據1
data1 = go.Histogram(
  x = stock_df['IBM'],
  name = 'IBM'
)
​
​
## 介面
layout = go.Layout(
  title = 'Stock',
  xaxis = {'title': 'Date'},
  yaxis = {'title': 'Price'},
  showlegend = True,
  plot_bgcolor = "#B9B9FF",
  paper_bgcolor = "#ACD6FF",
  font = {
    'size': 28,
    'family': 'fantasy',
    'color': '#D9006C'
 },
  bargap = 0.1
)
​
## 組合成Figure
figure = go.Figure(data = [data1], layout = layout)
​
## 繪圖
pof.iplot(figure, filename = 'Plotly-Scatter', show_link = True, link_text = "Plotly Links", image_height = 800, image_width = 900)

執行結果




  • 舉例2: 帶入參數xbins = {'size': 2}
## 導入套件
import plotly
import plotly.offline as pof
import plotly.graph_objs as go
import pandas as pd
​
​
## 設定為離線
pof.init_notebook_mode(connected = True)
​
## 導入數據集
stock_df = pd.read_csv("https://raw.githubusercontent.com/plotly/datasets/master/stockdata.csv")
​
## 取數據集中的前40筆
stock_df = stock_df.head(40)
​
## 將數據設定在2007年二月份
stock_df = stock_df[(stock_df['Date'] < '2007-03-01') & (stock_df['Date'] > '2007-01-31')]
​
## 數據1
data1 = go.Histogram(
  x = stock_df['IBM'],
  xbins = {'size': 2},
  name = 'IBM'
)
​
​
## 介面
layout = go.Layout(
  title = 'Stock',
  xaxis = {'title': 'Date'},
  yaxis = {'title': 'Price'},
  showlegend = True,
  plot_bgcolor = "#B9B9FF",
  paper_bgcolor = "#ACD6FF",
  font = {
    'size': 28,
    'family': 'fantasy',
    'color': '#D9006C'
 },
  bargap = 0.1
)
​
## 組合成Figure
figure = go.Figure(data = [data1], layout = layout)
​
## 繪圖
pof.iplot(figure, filename = 'Plotly-Scatter', show_link = True, link_text = "Plotly Links", image_height = 800, image_width = 900)

執行結果




5. 堆疊圖

  • 一樣使用plotly.graph_objs.Bar()，但要於layout中添加一個參數barmode = 'stack'，就可以繪製成堆疊圖囉
## 導入套件
import plotly
import plotly.offline as pof
import plotly.graph_objs as go
import pandas as pd
​
​
## 設定為離線
pof.init_notebook_mode(connected = True)
​
## 數據1
data1 = go.Bar(
  x = ['cap', 't-shirt', 'pants'],
  y = ['200', '100', '500'],
  name = 'A-Mart'
​
​
)
​
​
## 數據2
data2 = go.Bar(
  x = ['cap', 't-shirt', 'pants'],
  y = ['200', '100', '500'],
  name = 'B-Mart'
​
​
)
​
​
## 數據3
data3 = go.Bar(
  x = ['cap', 't-shirt', 'pants'],
  y = ['200', '400', '600'],
  name = 'C-Mart'
​
​
)
​
​
## 數據4
data4 = go.Bar(
  x = ['cap', 't-shirt', 'pants'],
  y = ['200', '400', '600'],
  name = 'D-Mart'
​
​
)
​
​
## 介面
layout = go.Layout(
  title = 'Stock',
  xaxis = {'title': 'Date'},
  yaxis = {'title': 'Price'},
  showlegend = True,
  plot_bgcolor = "#B9B9FF",
  paper_bgcolor = "#ACD6FF",
  font = {
    'size': 28,
    'family': 'fantasy',
    'color': '#D9006C'
 },
  barmode = 'stack'
)
​
## 組合成Figure
figure = go.Figure(data = [data1, data2, data3, data4], layout = layout)
​
## 繪圖
pof.iplot(figure, filename = 'Plotly-Scatter', show_link = True, link_text = "Plotly Links", image_height = 800, image_width = 900)

執行結果




6. 圓餅圖 Pie plotly.graph_objs.Pie()

  • 使用plotly.graph_objs.Pie()來繪製圓餅圖
  • plotly.graph_objs.Pie 參數
  1. labels: 傳入類別的標籤名稱，以串列(list)的形式傳入
  2. values: 標籤類別名稱對應的數值，也是以串列的形式傳入
  3. hoverinfo: 當鼠標移上去出現的訊息，可以傳入'label+percent'，就會顯示標籤名稱和百分比資訊
  4. textinfo: 圓餅圖上的文字，傳入'value'就會顯示對應圖形區域的標籤值
## 導入套件
import plotly
import plotly.offline as pof
import plotly.graph_objs as go
import pandas as pd
​
​
## 設定為離線
pof.init_notebook_mode(connected = True)
​
## 構建數據集
group_student = ['Technology', 'Design', 'Management', 'Medicine']
student_amount = [100, 80, 60, 60]
colors = ['blue', 'red', 'purple', 'grey']
​
​
## 數據1
data1 = go.Pie(
  labels = group_student,
  values = student_amount,
  hoverinfo = 'label+percent',
  textinfo = 'value',
  textfont = {'size': 10},
  marker = {
    'colors': colors,
    'line': {'color': 'black', 'width': 4}
 }
  
)
​
​
## 介面
layout = go.Layout(
  title = 'Stock',
  xaxis = {'title': 'Date'},
  yaxis = {'title': 'Price'},
  showlegend = True,
  plot_bgcolor = "#B9B9FF",
  paper_bgcolor = "#ACD6FF",
  font = {
    'size': 28,
    'family': 'fantasy',
    'color': '#D9006C'
 },
)
​
## 組合成Figure
figure = go.Figure(data = [data1], layout = layout)
​
## 繪圖
pof.iplot(figure, filename = 'Plotly-Scatter', show_link = True, link_text = "Plotly Links", image_height = 800, image_width = 900)

執行結果




當然除了這些還有更多類型的圖，大家有興趣可以直接參考官網https://plotl.com/python/教學喔，也可以跟著我在之後的文章中一起繼續學習


大家是否已經迫不及待想拿手邊的數據試試了，Plotly繪出來的圖真的好美~~ 希望這篇有幫助到您!!



Reference


https://www.youtube.com/watch?v=ifYugIP0pPQ

https://plotl.com/python/https://www.cnblogs.com/feffery/p/9293745.html

https://blogs.csdn.net/u012897374/article/details/77857980

https://images.plot.ly/plotly-documentation/images/python_cheat_sheet.pdf

https://www.jianshu.com/p/57bad75139ca

CC BY-NC-ND 2.0 授权

喜欢我的作品吗？别忘了给予支持与赞赏，让我知道在创作的路上有你陪伴，一起延续这份热忱！

為自己CodingYO~~ 剛跨入AI人工智慧領域的小小工程師, 熱愛自學, 熱愛分享, 下班後的我想為自己Coding, 積極撰寫教學文, 想將自學的程式知識分享給大家, 不斷追求進步的自己, 希望有一天能回饋社會，幫助需要幫助的人, 如果您有什麼很酷的想法，也覺得我還行，歡迎您找我合作~~ IG: https://www.instagram.com/coding_4_me/
  • 来自作者
  • 相关推荐

[Takeaways]原力效應 — Part1

[行銷5.0] 人工智慧的緣起

[Aptos學習筆記#8]Move進階使用 - Resource介紹一