一文学会制作 6 种炫酷的 Python 动态图

开发 后端
很多时候,一张炫酷图就足以胜过千言万语。对于数学科学家来说,当想阐述自己的观点、劳动成果时,我们需要直接有效的沟通。单调乏味的文本和数字,很难抓住别人的眼球,飘飘亮亮的可视化动态图是必不可少的,至少是一个加分项。

 很多时候,一张炫酷图就足以胜过千言万语。对于数学科学家来说,当想阐述自己的观点、劳动成果时,我们需要直接有效的沟通。单调乏味的文本和数字,很难抓住别人的眼球,飘飘亮亮的可视化动态图是必不可少的,至少是一个加分项。

[[322709]]

本文将基于Python的Plotly图形库,介绍几种工作中常用的动画图和交互式图标。在使用之前看一下是否安装了 Plotly。

1. 朝阳图

层次结构数据通常存储为矩形数据框,其中不同的列对应于层次结构的不同级别。px.sunburst可以采用path与列列表相对应的参数。请注意,如果给出id,则parent不应提供path。

 

  1. import plotly.express as px 
  2. df = px.data.tips() 
  3. fig = px.sunburst(df, path=['day''time''sex'], values='total_bill'
  4. fig.show() 

2. 桑基图

桑基图通过定义可视化到流动的贡献源来表示源节点,目标为目标节点,数值以设置流volum,和标签,显示了节点名称,在流量分析中常用。

  1. import plotly.graph_objects as go 
  2. import urllib, json 
  3.  
  4. url = 'https://raw.githubusercontent.com/plotly/plotly.js/master/test/image/mocks/sankey_energy.json' 
  5. response = urllib.request.urlopen(url) 
  6. data = json.loads(response.read()) 
  7.  
  8. # override gray link colors with 'source' colors 
  9. opacity = 0.4 
  10. # change 'magenta' to its 'rgba' value to add opacity 
  11. data['data'][0]['node']['color'] = ['rgba(255,0,255, 0.8)' if color == "magenta" else color for color in data['data'][0]['node']['color']] 
  12. data['data'][0]['link']['color'] = [data['data'][0]['node']['color'][src].replace("0.8", str(opacity)) 
  13.                                     for src in data['data'][0]['link']['source']] 
  14.  
  15. fig = go.Figure(data=[go.Sankey( 
  16.     valueformat = ".0f"
  17.     valuesuffix = "TWh"
  18.     # Define nodes 
  19.     node = dict( 
  20.       pad = 15, 
  21.       thickness = 15, 
  22.       line = dict(color = "black", width = 0.5), 
  23.       label =  data['data'][0]['node']['label'], 
  24.       color =  data['data'][0]['node']['color'
  25.     ), 
  26.     # Add links 
  27.     link = dict( 
  28.       source =  data['data'][0]['link']['source'], 
  29.       target =  data['data'][0]['link']['target'], 
  30.       value =  data['data'][0]['link']['value'], 
  31.       label =  data['data'][0]['link']['label'], 
  32.       color =  data['data'][0]['link']['color'
  33. ))]) 
  34.  
  35. fig.update_layout(title_text="Energy forecast for 2050<br>Source: Department of Energy & Climate Change, Tom Counsell via <a href='https://bost.ocks.org/mike/sankey/'>Mike Bostock</a>"
  36.                   font_size=10) 
  37. fig.show() 

效果图

 

一文学会制作 6 种炫酷的 Python 动态图

 

3. 雷达图

雷达图(也称为蜘蛛情节或情节星)显示器在从中心轴始发表示定量变量的二维图的形式多变量数据。轴的相对位置和角度通常是无用的。它等效于轴沿径向排列的平行坐标图。

 

  1. import plotly.graph_objects as go 
  2. import urllib, json 
  3.  
  4. url = 'https://raw.githubusercontent.com/plotly/plotly.js/master/test/image/mocks/sankey_energy.json' 
  5. response = urllib.request.urlopen(url) 
  6. data = json.loads(response.read()) 
  7.  
  8. # override gray link colors with 'source' colors 
  9. opacity = 0.4 
  10. # change 'magenta' to its 'rgba' value to add opacity 
  11. data['data'][0]['node']['color'] = ['rgba(255,0,255, 0.8)' if color == "magenta" else color for color in data['data'][0]['node']['color']] 
  12. data['data'][0]['link']['color'] = [data['data'][0]['node']['color'][src].replace("0.8", str(opacity)) 
  13.                                     for src in data['data'][0]['link']['source']] 
  14.  
  15. fig = go.Figure(data=[go.Sankey( 
  16.     valueformat = ".0f"
  17.     valuesuffix = "TWh"
  18.     # Define nodes 
  19.     node = dict( 
  20.       pad = 15, 
  21.       thickness = 15, 
  22.       line = dict(color = "black", width = 0.5), 
  23.       label =  data['data'][0]['node']['label'], 
  24.       color =  data['data'][0]['node']['color'
  25.     ), 
  26.     # Add links 
  27.     link = dict( 
  28.       source =  data['data'][0]['link']['source'], 
  29.       target =  data['data'][0]['link']['target'], 
  30.       value =  data['data'][0]['link']['value'], 
  31.       label =  data['data'][0]['link']['label'], 
  32.       color =  data['data'][0]['link']['color'
  33. ))]) 
  34.  
  35. fig.update_layout(title_text="Energy forecast for 2050<br>Source: Department of Energy & Climate Change, Tom Counsell via <a href='https://bost.ocks.org/mike/sankey/'>Mike Bostock</a>"
  36.                   font_size=10) 
  37. fig.show() 

效果图

 

一文学会制作 6 种炫酷的 Python 动态图

 

4. 漏斗图

漏斗图通常用于表示业务流程不同阶段的数据。在商业智能中,这是识别流程潜在问题区域的重要机制。例如,它用于观察销售过程中每个阶段的收入或损失,并显示逐渐减小的值。每个阶段均以占所有值的百分比表示。

 

  1. from plotly import graph_objects as go 
  2.  
  3. fig = go.Figure() 
  4.  
  5. fig.add_trace(go.Funnel( 
  6.     name = 'Montreal'
  7.     y = ["Website visit""Downloads""Potential customers""Requested price"], 
  8.     x = [120, 60, 30, 20], 
  9.     textinfo = "value+percent initial")) 
  10.  
  11. fig.add_trace(go.Funnel( 
  12.     name = 'Toronto'
  13.     orientation = "h"
  14.     y = ["Website visit""Downloads""Potential customers""Requested price""invoice sent"], 
  15.     x = [100, 60, 40, 30, 20], 
  16.     textposition = "inside"
  17.     textinfo = "value+percent previous")) 
  18.  
  19. fig.add_trace(go.Funnel( 
  20.     name = 'Vancouver'
  21.     orientation = "h"
  22.     y = ["Website visit""Downloads""Potential customers""Requested price""invoice sent""Finalized"], 
  23.     x = [90, 70, 50, 30, 10, 5], 
  24.     textposition = "outside"
  25.     textinfo = "value+percent total")) 
  26.  
  27. fig.show() 

效果图

 

一文学会制作 6 种炫酷的 Python 动态图

 

5. 3D表面图

具有轮廓的曲面图,使用contours属性显示和自定义每个轴的轮廓数据。

 

  1. import plotly.graph_objects as go 
  2.  
  3. import pandas as pd 
  4.  
  5. Read data from a csv 
  6. z_data = pd.read_csv('https://raw.githubusercontent.com/plotly/datasets/master/api_docs/mt_bruno_elevation.csv'
  7.  
  8. fig = go.Figure(data=[go.Surface(z=z_data.values)]) 
  9. fig.update_traces(contours_z=dict(show=True, usecolormap=True
  10.                                   highlightcolor="limegreen", project_z=True)) 
  11. fig.update_layout(title='Mt Bruno Elevation', autosize=False
  12.                   scene_camera_eye=dict(x=1.87, y=0.88, z=-0.64), 
  13.                   width=500, height=500, 
  14.                   margin=dict(l=65, r=50, b=65, t=90) 
  15.  
  16. fig.show() 

6. 动画图

一些Plotly Express函数支持通过animation_frame和animation_group参数创建动画人物。这是使用Plotly Express创建的动画散点图的示例。请注意,您应始终修复x_range和,y_range以确保您的数据在整个动画中始终可见。

 

  1. import plotly.express as px 
  2. df = px.data.gapminder() 
  3. px.scatter(df, x="gdpPercap", y="lifeExp", animation_frame="year", animation_group="country"
  4.            size="pop", color="continent", hover_name="country"
  5.            log_x=True, size_max=55, range_x=[100,100000], range_y=[25,90]) 

结论

可视化的图形在日常工作中经常实用,其中Plotly是用过的体验比较好的,本篇文章分享给大家一些案例,Plotly可视化远不止这些,在后续的文章中,涉及可视化部分的,将介绍更多酷炫的可视化图形,喜欢点个在看分享,收藏以备不时之需。

责任编辑:华轩 来源: 今日头条
相关推荐

2020-08-03 08:01:50

爬虫技巧

2020-08-31 06:54:37

注解脱敏ELK

2020-04-20 10:47:57

Redis数据开发

2021-06-28 14:13:34

OOM内存事故

2021-04-30 07:33:35

效率提升技巧

2021-04-28 07:22:13

HiveJson数组

2021-06-26 09:26:01

Jupyter主题目录

2021-08-04 07:47:18

IDEJTAGSWD

2023-11-01 10:49:50

Python面向对象

2021-03-29 08:24:18

KubeadmKubernetes1运维

2023-09-26 12:22:37

队列Python

2020-09-17 17:46:20

Python地铁线路图

2019-03-21 09:45:11

TypeScript编程语言Javascript

2021-04-07 08:13:28

LirbeNMS开源SNMP

2020-09-07 13:02:22

地球Python代码

2019-11-12 09:15:18

MySQL复制拓扑Orchestrato

2023-07-31 08:18:50

Docker参数容器

2021-07-30 06:51:28

Nginx运维web

2023-11-02 13:33:00

Python数据结构

2023-04-26 15:27:11

JavaScript技巧元素
点赞
收藏

51CTO技术栈公众号