使用 Python 中的 plotly 填充面积图
Plotly 是 Python 中的一个库，在绘制各种图形和图表时非常有用。它是一个交互式可视化库，用于为出版物创建高质量的图表。可以使用 plotly 可视化的一些图形和图表包括线图、散点图、面积图、条形图、误差线、箱线图、直方图、热图、子图、多轴、极坐标图和气泡图。
填充面积图
填充面积图是 plotly 中的一个增强模块，可分析各种数据并生成易于阅读的用户友好图形。填充区域与特定值相协调，该值对应于 line_group 参数给出的特定列。
数据框
要进行绘图，您需要一个具有属性(列名)的数据框，该数据框通常使用 pandas 对象和 numpy 创建，或者模块本身提供某些内置数据集，如下所示 -
carshare
election
Gapminder
iris
tips
Wind
它们每个都有 ai
参数
x,y - 指的是数据框中列的名称。 x 和 y 的值沿其在笛卡尔坐标中的位置进行标记。
颜色 − 指数据框中列的名称。此列的值用于为标记位置分配颜色。
示例 1
让我们通过绘制强度与频率的关系并以方向作为颜色来可视化风数据集。以下代码打印数据集及其属性、行数和列数。
算法
步骤 1 - 将 plotly.express 导入为 px
步骤 2 - 从风数据集创建一个数据框对象。
步骤 3 - 绘制数据框的面积图，参数 x 为强度，y 为频率，颜色为方向。
步骤 4 - 显示面积图。
import plotly.express as px df = px.data.wind() fig = px.area(df, x="strength", y="frequency", color="direction",) fig.show()
输出
示例 2
以下代码通过可视化 gapminder 数据集并绘制 lifeExp 与年份的关系(以大陆为颜色)，打印数据集及其属性、行数和列数。
算法
步骤 1 - 将 plotly.express 导入为 px
步骤 2 - 从 gapminder 数据集创建数据框对象。
步骤 3 - 使用参数 x 绘制数据框的面积图作为年份，y 作为 lifeExp，颜色作为大陆。
步骤 4 - 显示面积图。
import plotly.express as px df = px.data.gapminder() fig = px.area(df, x="year", y="lifeExp", color="continent") fig.show()
输出
示例 3
以下代码打印使用 random.randint 函数生成的随机数创建的数据集，以及其属性、行数和列。
算法
步骤 1 - 导入 plotly.express 作为 px
步骤 2 - 使用使用 randint 函数生成的数据集创建数据框对象。
步骤 3 - 绘制数据框的面积图，参数 x 为年份，y 为 lifeExp，颜色为大陆。
步骤 4 - 显示面积图。
import plotly.express as px import numpy as np # 通过 randomint 创建随机数据 # numpy.random 函数 np.random.seed(50) random_x= np.random.randint(1,100,50) random_y= np.random.randint(1,100,50) print(random_x) print(random_y) fig = px.area(x = random_x, y = random_y) fig.show() print(random_x) print(random_y)
输出
[49 97 12 34 95 5 71 71 23 6 3 96 72 69 79 36 93 92 27 91 7 21 44 32 50 86 42 65 7 20 3 80 31 36 27 61 67 77 97 68 3 11 52 1 94 94 95 1 12 31] [27 72 52 29 25 92 47 63 14 72 37 1 59 44 65 20 59 46 84 2 62 10 30 53 44 88 33 20 48 70 93 7 66 37 85 37 45 54 79 5 87 44 20 97 38 31 63 45 44 36]
结论
plotly 库可视化的区域有两种主要变化，即堆叠区域和非堆叠区域。基本区域被放大以显示大量值。然而，堆叠区域图被认为是条形图或图表中数据表示的最佳方式之一。
