这5种炫酷的动态图,都是用Python实现的!

news2024/11/25 8:14:25

数据可以帮助我们描述这个世界、阐释自己的想法和展示自己的成果,但如果只有单调乏味的文本和数字,我们却往往能难抓住观众的眼球。而很多时候,一张漂亮的可视化图表就足以胜过千言万语。本文将介绍 5 种基于 Plotly 的可视化方法,你会发现,原来可视化不仅可用直方图和箱形图,还能做得如此动态好看甚至可交互。

对数据科学家来说,讲故事是一个至关重要的技能。为了表达我们的思想并且说服别人,我们需要有效的沟通。而漂漂亮亮的可视化是完成这一任务的绝佳工具。本文将介绍 5 种非传统的可视化技术,可让你的数据故事更漂亮和更有效。这里将使用 Python 的 Plotly 图形库,让你可以毫不费力地生成动画图表和交互式图表。

那么,Plotly 有哪些好处?Plotly 的整合能力很强:可与 Jupyter Notebook 一起使用,可嵌入网站,并且完整集成了 Dash——一种用于构建仪表盘和分析应用的出色工具。

启动

如果你还没安装 Plotly,只需在你的终端运行以下命令即可完成安装:

pip install plotly

安装完成后,就开始使用吧!

动画

在研究这个或那个指标的演变时,我们常涉及到时间数据。Plotly 动画工具仅需一行代码就能让人观看数据随时间的变化情况,如下图所示:

代码如下:

import plotly.express as px  
from vega_datasets import data  
df = data.disasters()  
df = df[df.Year > 1990]  
fig = px.bar(df,  
             y="Entity",  
             x="Deaths",  
             animation_frame="Year",  
             orientation='h',  
             range_x=[0, df.Deaths.max()],  
             color="Entity")  
# improve aesthetics (size, grids etc.)  
fig.update_layout(width=1000,  
                  height=800,  
                  xaxis_showgrid=False,  
                  yaxis_showgrid=False,  
                  paper_bgcolor='rgba(0,0,0,0)',  
                  plot_bgcolor='rgba(0,0,0,0)',  
                  title_text='Evolution of Natural Disasters',  
                  showlegend=False)  
fig.update_xaxes(title_text='Number of Deaths')  
fig.update_yaxes(title_text='')  
fig.show()

只要你有一个时间变量来过滤,那么几乎任何图表都可以做成动画。下面是一个制作散点图动画的例子:

import plotly.express as px  
df = px.data.gapminder()  
fig = px.scatter(  
    df,  
    x="gdpPercap",  
    y="lifeExp",  
    animation_frame="year",  
    size="pop",  
    color="continent",  
    hover_name="country",  
    log_x=True,  
    size_max=55,  
    range_x=[100, 100000],  
    range_y=[25, 90],  
  
    #   color_continuous_scale=px.colors.sequential.Emrld  
)  
fig.update_layout(width=1000,  
                  height=800,  
                  xaxis_showgrid=False,  
                  yaxis_showgrid=False,  
                  paper_bgcolor='rgba(0,0,0,0)',  
                  plot_bgcolor='rgba(0,0,0,0)')  

太阳图

太阳图(sunburst chart)是一种可视化 group by 语句的好方法。如果你想通过一个或多个类别变量来分解一个给定的量,那就用太阳图吧。

假设我们想根据性别和每天的时间分解平均小费数据,那么相较于表格,这种双重 group by 语句可以通过可视化来更有效地展示。

这个图表是交互式的,让你可以自己点击并探索各个类别。你只需要定义你的所有类别,并声明它们之间的层次结构(见以下代码中的 parents 参数)并分配对应的值即可,这在我们案例中即为 group by 语句的输出。

import plotly.graph_objects as go  
import plotly.express as px  
import numpy as np  
import pandas as pd  
df = px.data.tips()  
fig = go.Figure(go.Sunburst(  
    labels=["Female", "Male", "Dinner", "Lunch", 'Dinner ', 'Lunch '],  
    parents=["", "", "Female", "Female", 'Male', 'Male'],  
    values=np.append(  
        df.groupby('sex').tip.mean().values,  
        df.groupby(['sex', 'time']).tip.mean().values),  
    marker=dict(colors=px.colors.sequential.Emrld)),  
                layout=go.Layout(paper_bgcolor='rgba(0,0,0,0)',  
                                 plot_bgcolor='rgba(0,0,0,0)'))  
  
fig.update_layout(margin=dict(t=0, l=0, r=0, b=0),  
                  title_text='Tipping Habbits Per Gender, Time and Day')  
fig.show()  

现在我们向这个层次结构再添加一层:

为此,我们再添加另一个涉及三个类别变量的 group by 语句的值。

import plotly.graph_objects as go  
import plotly.express as px  
import pandas as pd  
import numpy as np  
df = px.data.tips()  
fig = go.Figure(go.Sunburst(labels=[  
    "Female", "Male", "Dinner", "Lunch", 'Dinner ', 'Lunch ', 'Fri', 'Sat',  
    'Sun', 'Thu', 'Fri ', 'Thu ', 'Fri  ', 'Sat  ', 'Sun  ', 'Fri   ', 'Thu   '  
],  
                            parents=[  
                                "", "", "Female", "Female", 'Male', 'Male',  
                                'Dinner', 'Dinner', 'Dinner', 'Dinner',  
                                'Lunch', 'Lunch', 'Dinner ', 'Dinner ',  
                                'Dinner ', 'Lunch ', 'Lunch '  
                            ],  
                            values=np.append(  
                                np.append(  
                                    df.groupby('sex').tip.mean().values,  
                                    df.groupby(['sex',  
                                                'time']).tip.mean().values,  
                                ),  
                                df.groupby(['sex', 'time',  
                                            'day']).tip.mean().values),  
                            marker=dict(colors=px.colors.sequential.Emrld)),  
                layout=go.Layout(paper_bgcolor='rgba(0,0,0,0)',  
                                 plot_bgcolor='rgba(0,0,0,0)'))  
fig.update_layout(margin=dict(t=0, l=0, r=0, b=0),  
                  title_text='Tipping Habbits Per Gender, Time and Day')  
  
fig.show()  

平行类别

另一种探索类别变量之间关系的方法是以下这种流程图。你可以随时拖放、高亮和浏览值,非常适合演示时使用。

代码如下:

import plotly.express as px  
from vega_datasets import data  
import pandas as pd  
df = data.movies()  
df = df.dropna()  
df['Genre_id'] = df.Major_Genre.factorize()[0]  
fig = px.parallel_categories(  
    df,  
    dimensions=['MPAA_Rating', 'Creative_Type', 'Major_Genre'],  
    color="Genre_id",  
    color_continuous_scale=px.colors.sequential.Emrld,  
)  
fig.show()  

平行坐标图

平行坐标图是上面的图表的连续版本。这里,每一根弦都代表单个观察。这是一种可用于识别离群值(远离其它数据的单条线)、聚类、趋势和冗余变量(比如如果两个变量在每个观察上的值都相近,那么它们将位于同一水平线上,表示存在冗余)的好用工具。

代码如下:

 import plotly.express as px  
from vega_datasets import data  
import pandas as pd  
df = data.movies()  
df = df.dropna()  
df['Genre_id'] = df.Major_Genre.factorize()[0]  
fig = px.parallel_coordinates(  
    df,  
    dimensions=[  
        'IMDB_Rating', 'IMDB_Votes', 'Production_Budget', 'Running_Time_min',  
        'US_Gross', 'Worldwide_Gross', 'US_DVD_Sales'  
    ],  
    color='IMDB_Rating',  
    color_continuous_scale=px.colors.sequential.Emrld)  
fig.show()

量表图和指示器

量表图仅仅是为了好看。在报告 KPI 等成功指标并展示其与你的目标的距离时,可以使用这种图表。

指示器在业务和咨询中非常有用。它们可以通过文字记号来补充视觉效果,吸引观众的注意力并展现你的增长指标。

 import plotly.graph_objects as go  
fig = go.Figure(go.Indicator(  
    domain = {'x': [0, 1], 'y': [0, 1]},  
    value = 4.3,  
    mode = "gauge+number+delta",  
    title = {'text': "Success Metric"},  
    delta = {'reference': 3.9},  
    gauge = {'bar': {'color': "lightgreen"},  
        'axis': {'range': [None, 5]},  
             'steps' : [  
                 {'range': [0, 2.5], 'color': "lightgray"},  
                 {'range': [2.5, 4], 'color': "

关于Python学习指南

学好 Python 不论是就业还是做副业赚钱都不错,但要学会 Python 还是要有一个学习规划。最后给大家分享一份全套的 Python 学习资料,给那些想学习 Python 的小伙伴们一点帮助!

包括:Python激活码+安装包、Python web开发,Python爬虫,Python数据分析,人工智能、自动化办公等学习教程。带你从零基础系统性的学好Python!

👉Python所有方向的学习路线👈

Python所有方向路线就是把Python常用的技术点做整理,形成各个领域的知识点汇总,它的用处就在于,你可以按照上面的知识点去找对应的学习资源,保证自己学得较为全面。(全套教程文末领取)

在这里插入图片描述

👉Python学习视频600合集👈

观看零基础学习视频,看视频学习是最快捷也是最有效果的方式,跟着视频中老师的思路,从基础到深入,还是很容易入门的。

在这里插入图片描述

温馨提示:篇幅有限,已打包文件夹,获取方式在:文末

👉Python70个实战练手案例&源码👈

光学理论是没用的,要学会跟着一起敲,要动手实操,才能将自己的所学运用到实际当中去,这时候可以搞点实战案例来学习。

在这里插入图片描述

👉Python大厂面试资料👈

我们学习Python必然是为了找到高薪的工作,下面这些面试题是来自阿里、腾讯、字节等一线互联网大厂最新的面试资料,并且有阿里大佬给出了权威的解答,刷完这一套面试资料相信大家都能找到满意的工作。

在这里插入图片描述

在这里插入图片描述

👉Python副业兼职路线&方法👈

学好 Python 不论是就业还是做副业赚钱都不错,但要学会兼职接单还是要有一个学习规划。

在这里插入图片描述

👉 这份完整版的Python全套学习资料已经上传,朋友们如果需要可以扫描下方CSDN官方认证二维码或者点击链接免费领取保证100%免费

点击免费领取《CSDN大礼包》:Python入门到进阶资料 & 实战源码 & 兼职接单方法 安全链接免费领取

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/1123161.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

IP地址SSL证书 IP证书

在许多企业用例中,公司需要SSL证书作为IP地址。公司使用IP地址通过Internet访问各种类型的应用程序。 公网IP地址的SSL证书: 内部IP(也称为私有IP)是IANA设置为保存的IPv4或IPv6地址,例如: RFC 1918范围内…

编译原理如何写出不带回溯的递归子程序?

递归子程序 使用不带回溯的递归子程序解析文法是预测性语法分析的基础,这通常需要该文法是LL(1)文法。每个非终结符对应一个递归子程序,并使用当前的输入符号和FIRST集合来决定调用哪个产生式。 让我们以一个简单的文法为例: 对于此文法&am…

大模型开发06:LangChain 概述

大模型开发06:LangChain 概述 LangChain 是一个基于语言模型开发应用程序的框架。它可以实现以下功能: 上下文感知: 将语言模型与上下文源相连接(提示词、示例、用于支撑响应的内容等)推理能力: 依赖语言模型进行推理(如何根据提供的上下文来回答问题或采取哪些行动等)La…

抖音手把手带,开放到月底!

这个月一直在做的两件事,一个是带内部社员,去把抖音项目跑通。一个是招募合伙人。简单说下这两个事,之前一直没在公众号说。 带学员这件事,默认收徒只到月底。感兴趣的直接报名,价格4980。这块无需多言,做一…

如何解散微信群?这两个方法收藏好!

微信群,简单来说就是多人社交,能够让用户与多个人进行交流与互动。群主可以邀请有共同爱好的朋友在一个群里聊天、分享信息等等,以此来增强社交互动。 如果是一些临时活动群或者群成员已经不活跃的情况下,那么群主可能会选择将群…

mysql图片存取初探

mysql数据库中使用blob存储使用base64加密图片数据 前言 这个方法并不好,因为传输的数据量还是蛮大的,可以存一些诸如头像的小图片,但是如果要存较大的图片会很慢。 不过只是课程作业中简单的功能,这样子简单又快捷,…

各类深度学习框架详解+深度学习训练环境搭建-GPU版本

目录 前言 一、深度学习框架 TensorFlow PyTorch Keras Caffe PaddlePaddle 二、深度学习框架环境搭建 1.CUDA部署 CUDA特性 CUDA下载 2.cuDNN cuDNN 的主要特性 cuDNN 下载 3.安装TensorFlow框架 TensorFlow 2 旧版 TensorFlow 1 4.安装PyTorch框架 5.安装Ca…

MySQL字段加密方案 安当加密

要通过安当KSP密钥管理系统实现MySQL数据库字段的加密,您可以按照以下步骤进行操作: 安装和配置安当KSP密钥管理系统:首先,您需要安装安当KSP密钥管理系统,并按照说明进行配置。确保您已经正确地设置了密钥管理系统的用…

数据结构与算法之图: Leetcode 417. 太平洋大西洋水流问题 (Typescript版)

太平洋大西洋水流问题 https://leetcode.cn/problems/pacific-atlantic-water-flow/description/ 描述 有一个 m n 的矩形岛屿,与 太平洋 和 大西洋 相邻。 “太平洋” 处于大陆的左边界和上边界,而 “大西洋” 处于大陆的右边界和下边界。 这个岛被…

Elsevier上传LaTeX修改稿常见问题解决方法

在撰写科研论文时,一般会使用latex或者word两种工具。在论文的返修阶段,很多期刊要求我们上传可编辑格式的稿件。word在上传到爱思唯尔系统中时候很方便,但latex是较为麻烦的,下面和大家分享一下我在上传latex手稿时遇到的一些问题…

【人工智能】LLM 大型语言模型和 Transformer 架构简介

目录 大型语言模型 (LLM) 一、LLM的起源 二、LLM的发展阶段 三、LLM的应用领域

torch.nn.Parameter()

一文通俗理解torch.nn.Parameter() 一、起源 首先,我写这篇文章的起源是因为,我突然看到了一段有关torch.nn.Parameter()的代码。 因此就去了解了一下这个函数,把自己的一些理解记录下来,希望可以帮到你。 二、官方文档 网址如下…

单目3D目标检测[基于几何约束篇]

基于语义和几何约束的方法 1. Deep3DBox 3D Bounding Box Estimation Using Deep Learning and Geometry [CVPR2017]https://arxiv.org/pdf/1612.00496.pdfhttps://zhuanlan.zhihu.com/p/414275118 核心思想:通过利用2D bounding box与3D bounding box之间的几何约…

直播录屏没有声音?解决方案来了!

在进行游戏直播、教程制作或在线会议录制时,有声音的录屏是至关重要的。然而,有时用户可能会面临直播录屏没有声音的问题。在本文中,我们将介绍两种常用的方法来解决这个问题,通过遵循下面的步骤,您将能够轻松地添加声…

Osgb转3DTiles工具

三维倾斜摄影生产主要格式为Osgb,目前三维模型主要展示场景为web,大部分使用框架都是Cesium库,格式为 3DTiles,目前市面上osgb转3DTiles的软件已经有好几个,付费免费都有。 先说免费软件: 1、CesiumLab …

SaaS是云计算服务,不是互联网平台

习惯性的把SaaS云计算服务,理解成平台,是不对的! SaaS本质就是云计算服务,企业在saas应用系统里操作业务,背后都是各种云计算操作。 但是,中国的互联网环境就都是巨头平台所主导,所以大家基本…

华为OD机试 - 寻找最大价值的矿堆 - 矩阵(Java 2023 B卷 200分)

目录 专栏导读一、题目描述二、输入描述三、输出描述四、Java算法源码五、效果展示1、输入2、输出 华为OD机试 2023B卷题库疯狂收录中,刷题点这里 专栏导读 本专栏收录于《华为OD机试(JAVA)真题(A卷B卷)》。 刷的越多…

工具让公众号推送变得轻而易举

公众号运营的关键在于定期向用户推送内容,但手动推送过程繁琐且浪费时间。现在,有了乔拓云公众号助手工具,你可以轻松实现公众号的自动推送功能。让我们一起来看看如何操作吧! 首先,你需要注册一个乔拓云公众号助手工具…

阿里云新品云服务器实例,经济型e实例,价格便宜,性价比高

前不久,阿里云推出了一款全新云服务器实例,他是阿里云面向个人开发者、学生、小微企业,在中小型网站建设、开发测试、轻量级应用等场景推出的全新入门级云服务器,基于“飞天CIPU”黄金技术架构设计,可轻松满足网站建设…

C语言指针详解——必备7大知识点

Part1指针是什么? 1.1 浅谈指针 理解指针的 两个要点: 指针是内存中一个最小单元的编号,也就是地址; 平时口语中说的指针,通常指的是指针变量,是用来存放内存地址的变量。 总结:指针就是地址&#xff…