详解Plotly,创建自定义指标图表

开发 前端
使用Plotly创建和自定义指标图表,本文中将介绍如何使用Plotly库创建指标图表的具体操作步骤。

如果你不熟悉Plotly或数据可视化概念,不要担心!我们将把它分解成易于理解的小块内容,使其适合任何人。

Plotly简介

Plotly是一个强大的数据可视化工具,允许我们使用Python创建各种交互式绘图和图表。在Plotly提供的无数类型的图表中,有一种特别简单明了的类型是“指标图表”。这些图表非常适合仪表盘,你可以在其中强调关键指标或追踪一段时间内的变化。

导入

在深入研究细节之前,需要导入Plotly库。这是任何涉及外部库的Python程序中典型的第一步:

import plotly.graph_objects as go

创建指标图表

让我们考虑一个场景,我们有两个值-120和150。我们要使用参考值100创建这些值的指标。参考值是我们将实际值与之进行比较的基准或标准。

我们的目标是生成下图:

图片

图形输出

以下是创建指标的步骤:

# 创建绘图的布局
layout = go.Layout(
    grid = {'rows': 1, 'columns': 2, 'pattern': 'independent'},
    width = 600,  # 宽度像素
    height = 300  # 高度像素
)
fig = go.Figure(layout=layout)
# 第一个值
fig.add_trace(go.Indicator(
    mode = "number+delta+gauge",
    value = 120,
    delta = {'reference': 100},
    gauge = {
        'axis': {'visible': True, 'range': [None, 150]},
        'steps': [
            {'range': [0, 100], 'color': "lightgray"}
        ],
        'threshold': {
            'line': {'color': "red", 'width': 4},
            'thickness': 0.75,
            'value': 100
        }
    },
    title = {"text": "Value 1"},
    domain = {'x': [0, 0.5], 'y': [0, 1]}
))
# 第二个值
fig.add_trace(go.Indicator(
    mode = "number+delta+gauge",
    value = 150,
    delta = {'reference': 100},
    gauge = {
        'axis': {'visible': True, 'range': [None, 200]},
        'steps': [
            {'range': [0, 100], 'color': "lightgray"}
        ],
        'threshold': {
            'line': {'color': "red", 'width': 4},
            'thickness': 0.75,
            'value': 100
        }
    },
    title = {"text": "Value 2"},
    domain = {'x': [0.5, 1], 'y': [0, 1]}
))
fig.show()

在我们讨论的代码中,我们正在使用go.Indicator函数来创建指标。一开始可能看起来会感觉有点复杂,但一旦我们了解它使用的参数,一切就都水到渠成了。以下是我们所使用参数的概要介绍:

  • mode:此参数设置指标的模式。通过将其设置为“number+delta+gauge”,我们告诉Plotly显示实际值(number)、与参考值的差异(delta)以及在其范围内可视化数值的仪表(gauge)。
  • value:这是该指标将显示的实际值。
  • delta:此参数用于展示实际值和参考值之间的差异。当你想要突出变化或增长时,这特别有用。
  • gauge:这是为我们的值提供背景的一个视觉表示。它类似于一个速度表,显示了我们的值在特定范围内所处的位置。在gauge参数中,我们可以进一步自定义axis(仪表的范围)、steps(仪表的分段)和threshold (仪表上标记的值)。
  • title:这只是指标的标题。
  • domain:此参数确定每个指标所占据的绘图区域,这有助于我们将指标并排定位放置。

通过理解和调整这些参数,你可以自定义指标图表以适应你的数据和受众需求。你可以尝试不同颜色、调整范围、重新定位指标等等。

然而,虽然美学定制是数据可视化的一个很好的方面,但重要的是要记住,任何数据可视化的主要目标都是清晰准确地表示数据。因此,总是优先考虑清晰性而不是华丽性。

我们使用Plotly创建了一个简单而强大的数据可视化。这只是冰山一角,Plotly提供了许多更多功能和类型的图表供你探索。

图片

图形输出

责任编辑:武晓燕 来源: Python学研大本营
相关推荐

2015-07-22 10:57:36

watchOS图表自定义

2015-02-12 15:33:43

微信SDK

2021-10-28 08:39:22

Node Export自定义 监控

2021-03-26 20:37:14

Prometheus监控指标

2022-05-07 10:22:32

JavaScript自定义前端

2024-10-14 17:18:27

2010-10-20 16:07:48

SQL用户自定义角色

2013-05-02 14:08:18

2011-08-02 11:17:13

iOS开发 View

2024-04-26 13:13:30

监控云环境参数

2021-06-17 06:52:37

C#自定义异常

2022-09-20 07:01:50

对象初始化代码

2012-11-19 11:07:42

IBMdw

2021-07-15 16:41:21

Swift查询函数

2010-08-03 16:13:01

FlexBuilder

2022-08-04 18:30:59

DockerfileDocker 镜像Linux

2024-09-11 14:46:48

C#旋转按钮

2011-08-09 17:16:56

CoreAnimati动画

2011-07-05 18:51:51

QT 控件 鼠标

2009-08-04 13:35:16

ASP.NET自定义样
点赞
收藏

51CTO技术栈公众号