手把手教你用plotly繪制excel中常見(jiàn)的16種圖表(上)

大家好，我是老表～

最近不是在學(xué)習(xí)plotly嘛，為了方便理解，我們這里取excel繪圖中常見(jiàn)的16種圖表為例，分兩期演示這些基礎(chǔ)圖表怎么用plotly進(jìn)行繪制！

• 第一部分：柱狀圖、條形圖、折線圖、面積圖、餅圖與圓環(huán)圖、散點(diǎn)圖、氣泡圖和極坐標(biāo)(雷達(dá)圖)
• 第二部分：樹(shù)狀圖、旭日?qǐng)D、直方圖、箱線圖、瀑布圖、漏斗圖、股價(jià)圖和地圖

今天，我們介紹第一部分8類(lèi)圖表的繪制。文末有全部演示代碼ipynb文件獲取方式。

目錄：

• 0. 準(zhǔn)備工作

• 1. 柱狀圖

• 2. 條形圖

• 3. 折線圖

• 4. 面積圖

• 5. 餅圖與圓環(huán)圖

• 6. 散點(diǎn)圖

• 7. 氣泡圖

• 8. 極坐標(biāo)(雷達(dá)圖)

0. 準(zhǔn)備工作

我這邊是在jupyterlab中演示的plotly圖表，如果只安裝plotly是無(wú)法正常顯示圖表的（會(huì)顯示為空白），我們需要進(jìn)行以下準(zhǔn)備(以下命令均在cmd下操作即可)：

# 安裝plotly庫(kù)及plotly-orca庫(kù)
pip install plotly
pip install plotly plotly-orca

# Basic JupyterLab renderer support
jupyter labextension install jupyterlab-plotly

# OPTIONAL: Jupyter widgets extension for FigureWidget support
jupyter labextension install @jupyter-widgets/jupyterlab-manager plotlywidget

參考：https://github.com/plotly/plotly.py

plotly有兩種繪圖方式，其一是原始graph_objects，其二是Plotly Express。我們這里用到的是后者，至于其中的區(qū)別，大概就是后者是高級(jí)版本，封裝了很多后者的復(fù)雜操作，可以直接用pandas.Dataframe類(lèi)型，是現(xiàn)在主推的。

1. 柱狀圖

我們知道，在excel插入圖表的時(shí)候，柱狀圖一般可選堆疊柱狀圖和簇狀柱狀圖。

柱狀圖：

# 自帶數(shù)據(jù)集 gapminder
data = px.data.gapminder()
data.head()

# 柱狀圖
import plotly.express as px
data_canada = px.data.gapminder().query("country == 'Canada'")
fig = px.bar(
    data_canada, # 數(shù)據(jù)集
    x='year', # x軸
    y='pop', # y軸
)
fig.show()

堆疊柱狀圖：

# 自帶數(shù)據(jù)集 medals_long（長(zhǎng)表數(shù)據(jù)）
long_df = px.data.medals_long()
long_df.head()

# 堆疊柱狀圖 （使用長(zhǎng)表數(shù)據(jù)，這種數(shù)據(jù)excel無(wú)法直接繪制堆疊圖）
import plotly.express as px

long_df = px.data.medals_long()
fig = px.bar(
    long_df,  # 數(shù)據(jù)集
    x="nation",  # x軸
    y="count",  # y軸
    color="medal",  # 圖例顏色（這種情況下需要設(shè)定該參數(shù)根據(jù)medal類(lèi)型才區(qū)分，否則同色）
    title="堆疊柱狀圖 Long-Form Input", # 圖表標(biāo)題
)
fig.show()

# 自帶數(shù)據(jù)集 medals_long（寬表數(shù)據(jù)）
wide_df = px.data.medals_wide()
wide_df.head()

# 堆疊柱狀圖 （使用長(zhǎng)表數(shù)據(jù)，這種數(shù)據(jù)excel可以直接繪制堆疊圖）
import plotly.express as px

wide_df = px.data.medals_wide()
fig = px.bar(wide_df, x="nation", 
             y=["gold", "silver", "bronze"], 
             title="堆疊柱狀圖 Wide-Form Input")
fig.show()

**簇狀柱狀圖 **：

# 簇狀柱狀圖
import plotly.express as px

long_df = px.data.medals_long()
fig = px.bar(
    long_df,  
    x="nation",  
    y="count",  
    color="medal",  
    title="簇狀柱狀圖 Long-Form Input", 
    barmode='group', # barmode 設(shè)置為 group則為簇狀柱形圖，可選 stack(疊加)、group(并列)、overlay(覆蓋)、relative(相對(duì))
)
fig.show() 

類(lèi)似于excel里柱狀圖填充色中依據(jù)數(shù)據(jù)點(diǎn)著色：

# 類(lèi)似于excel里柱狀圖填充色中依據(jù)數(shù)據(jù)點(diǎn)著色
import plotly.express as px

data = px.data.gapminder()
data_canada = data[data.country == 'Canada']
fig = px.bar(data_canada, x='year', y='pop',
             hover_data=['lifeExp', 'gdpPercap'], 
             color='lifeExp', # 指定柱狀圖顏色根據(jù) lifeExp字段數(shù)值大小自動(dòng)著色
             labels={'pop':'population of Canada'}, 
             height=400, # 圖表高度
            )
fig.show()

2. 條形圖

條形圖其實(shí)就是柱狀圖轉(zhuǎn)個(gè)90度，橫著顯示唄。所以，本質(zhì)上是一樣的，唯一的區(qū)別：在 Bar 函數(shù)中設(shè)置orientation='h'，其余參數(shù)與柱狀圖相同。

# 在plotly繪圖中，條形圖與柱狀圖唯一的區(qū)別：在 Bar 函數(shù)中設(shè)置orientation='h'，其余參數(shù)與柱狀圖相同
import plotly.express as px
data = px.data.gapminder()

data_canada = data[data.country == 'Canada']
fig = px.bar(data_canada, y='year', x='pop',
             hover_data=['lifeExp', 'gdpPercap'], 
             color='lifeExp', # 指定柱狀圖顏色根據(jù) lifeExp字段數(shù)值大小自動(dòng)著色
             labels={'pop':'population of Canada'}, 
             height=600, # 圖表高度
             width=800, # 圖表寬度
             orientation='h' # 條形圖設(shè)置參數(shù)
            )
fig.show()

3. 折線圖

折線圖大致可以是畫(huà)一個(gè)折線圖或多條折線圖。

單個(gè)折線圖：

# 折線圖
import plotly.express as px

df = px.data.gapminder().query("country=='Canada'")
fig = px.line(df, x="year", y="lifeExp", title='Life expectancy in Canada',
              text='lifeExp', # 數(shù)據(jù)點(diǎn)顯示值
              line_shape='linear', # 共有6種插值方式：'linear'、'spline'、'hv'、'vh'、'hvh'和'vhv。
             )
fig.update_traces(
    texttemplate='%{text:.2f}', # 數(shù)據(jù)點(diǎn)顯示值的格式
    textposition='top center', # 數(shù)據(jù)點(diǎn)顯示的位置：'top left', 'top center', 'top right', 'middle left','middle center', 'middle right', 'bottom left', 'bottom center', 'bottom right'
) 
fig.show()

多折線圖：

# 多折線圖
import plotly.express as px

# 比如繪制大洋洲（有澳大利亞和新西蘭）
df = px.data.gapminder().query("continent=='Oceania'")
fig = px.line(df, x="year", y="lifeExp", 
              color='country', # 按照國(guó)家區(qū)分
             )
fig.show()

分組多折線圖：

# 分組多折線圖
import plotly.express as px

# 繪制各大洲每個(gè)國(guó)家人均壽命隨著時(shí)間變化曲線
df = px.data.gapminder().query("continent != 'Asia'") # remove Asia for visibility
fig = px.line(df, x="year", y="lifeExp", 
              color="continent",
              line_group="country", 
              hover_name="country")
fig.show()

4. 面積圖

import plotly.express as px

# 比如繪制大洋洲（有澳大利亞和新西蘭）
df = px.data.gapminder().query("continent=='Oceania'")
fig = px.area(df, x="year", y="pop", 
              color='country', # 按照國(guó)家區(qū)分
             )
fig.show()

5. 餅圖與圓環(huán)圖

我們?cè)谟胑xcel繪制餅圖的時(shí)候，可以選擇既定配色方案，還可以自定義每個(gè)色塊的顏色。用plotly繪制的時(shí)候，這些自定義操作也是支持的。

# 餅圖
import plotly.express as px

# 篩選2007年歐洲數(shù)據(jù)
df = px.data.gapminder().query("year == 2007").query("continent == 'Europe'")
# 將小于200萬(wàn)的國(guó)家標(biāo)記為其他
df.loc[df['pop'] < 2.e6, 'country'] = 'Other countries' 
# 繪制餅圖
fig = px.pie(df, values='pop', names='country', title='Population of European continent')
fig.show()

字段多條數(shù)據(jù)自動(dòng)處理：

# 自帶數(shù)據(jù)集 tips,字段day下是星期，存在多條
df = px.data.tips()
df.head()

我們可以看到，在tips數(shù)據(jù)集中，day字段是星期，包含很多同星期的數(shù)據(jù)。在進(jìn)行餅圖繪制的時(shí)候，以day字段做分類(lèi)，可以自動(dòng)實(shí)際聚合求和操作。

# 如果 分類(lèi) 標(biāo)簽下有很多數(shù)據(jù)，則會(huì)自動(dòng)進(jìn)行分組求和
import plotly.express as px

# This dataframe has 244 lines, but 4 distinct values for `day`
df = px.data.tips()
fig = px.pie(df, values='tip', names='day')
fig.show()

設(shè)置配色方案：

關(guān)于配色方案的更多選擇，大家可以參考《我又用Python爬取了4000+股票數(shù)據(jù)，并用plotly繪制了樹(shù)狀熱力圖(treemap)》里介紹的內(nèi)容。

# 設(shè)置配色方案
import plotly.express as px

df = px.data.tips()
fig = px.pie(df, values='tip', names='day', 
             color_discrete_sequence=px.colors.sequential.RdBu, # 設(shè)置配色方案
            )
fig.show()

我們也可以自定義每個(gè)色塊顏色：

# 自定義配色
import plotly.express as px

df = px.data.tips()
fig = px.pie(df, values='tip', names='day', color='day',
             color_discrete_map={'Thur':'lightcyan',
                                 'Fri':'cyan',
                                 'Sat':'royalblue',
                                 'Sun':'darkblue'})
fig.show()

在餅圖上顯示數(shù)據(jù)標(biāo)簽：

# 在餅圖上顯示數(shù)據(jù)標(biāo)簽
import plotly.express as px

df = px.data.gapminder().query("year == 2007").query("continent == 'Asia'")
fig = px.pie(df, values='pop', names='country',
             title='Population of American continent',
             hover_data=['lifeExp'], 
             labels={'lifeExp':'life expectancy'}
            )
fig.update_traces(textposition='inside', 
                  textinfo='percent+label' # 數(shù)據(jù)標(biāo)簽顯示的內(nèi)容
                 )
fig.show()

圓環(huán)圖：

圓環(huán)圖是指餅圖中間一定半徑的圓部分為空白，設(shè)置參數(shù)hole=int即可（0-1）。

# 圓環(huán)圖
import plotly.express as px

df = px.data.tips()
fig = px.pie(df, values='tip', names='day', 
             color_discrete_sequence=px.colors.sequential.RdBu,
             hole=.3, # 設(shè)置空心半徑比例
            )
fig.show()

6. 散點(diǎn)圖

散點(diǎn)圖是x和y均為數(shù)字列表情況下的坐標(biāo)點(diǎn)圖。

x軸和y軸均是列表的形式：

# x軸和y軸均是列表的形式
import plotly.express as px

fig = px.scatter(x=[0, 1, 2, 3, 4], y=[0, 1, 4, 9, 16])
fig.show()

給定pd.Dataframe類(lèi)型數(shù)據(jù)：

# 自帶數(shù)據(jù)集 iris
df = px.data.iris()
df.head()

# 設(shè)置數(shù)據(jù)點(diǎn)顏色和大小
import plotly.express as px
df = px.data.iris()
fig = px.scatter(df, x="sepal_width", y="sepal_length", 
                 color="species", # 根據(jù)species字段區(qū)分顏色
                 size='petal_length', # 根據(jù)sepal_length設(shè)置大小
                 hover_data=['petal_width'],
                )
fig.show()

做個(gè)三角函數(shù)的圖：

import plotly.express as px
import numpy as np

t = np.linspace(0, 2*np.pi, 100)

fig = px.scatter(x=t, y=np.cos(t), labels={'x':'t', 'y':'cos(t)'})
fig.show()

7. 氣泡圖

# 氣泡圖
import plotly.express as px

df = px.data.gapminder()

fig = px.scatter(df.query("year==2007"), x="gdpPercap", y="lifeExp",
                 size="pop",  # 設(shè)置氣泡大小依據(jù)字段pop
                 color="continent",
                 hover_name="country", 
                 log_x=True, 
                 size_max=60, #設(shè)置最大氣泡
                )
fig.show()

8. 極坐標(biāo)(雷達(dá)圖)

極坐標(biāo)下，可以用點(diǎn)或線進(jìn)行構(gòu)圖，繪制點(diǎn)則用px.scatter_polar，繪制線則用px.line_polar。

# 自帶數(shù)據(jù)集 wind
df = px.data.wind()
df.head()

import plotly.express as px

df = px.data.wind()
fig = px.scatter_polar(df, 
                       r="frequency", # 半徑
                       theta="direction", # 類(lèi)型
                      )
fig.show()

著色和分組標(biāo)識(shí)：

import plotly.express as px

df = px.data.wind()
fig = px.scatter_polar(df, r="frequency", theta="direction",
                       color="strength",  # 顏色根據(jù)strength著色
                       symbol="strength",  # 符號(hào)根據(jù)strength區(qū)分
                       size="frequency", # 大小根據(jù) frequency 區(qū)分
                       color_discrete_sequence=px.colors.sequential.Plasma_r, # 設(shè)置配色方案
                      )
fig.show()

雷達(dá)圖：

# 雷達(dá)圖
import plotly.express as px

df = px.data.wind()
fig = px.line_polar(df, r="frequency", 
                    theta="direction", 
                    color="strength", 
                    line_close=True, # 線條是否閉環(huán)
                    color_discrete_sequence=px.colors.sequential.Plasma_r,
                    template="plotly_dark", # 主題模板 
                   )
fig.show()

扇形區(qū)域圖：

# 扇形圖區(qū)域
import plotly.express as px

fig = px.scatter_polar(r=range(0,90,10), theta=range(0,90,10),
                       range_theta=[0,90], # 設(shè)定區(qū)域
                       start_angle=0, 
                       direction="counterclockwise", # 方位：'counterclockwise' 逆時(shí)針 ，'clockwise'順時(shí)針 
                      )
fig.show()

本文相關(guān)源碼獲取方式：掃下方二維碼，回復(fù)：ploty即可獲取
掃碼回復(fù)：2021
獲取最新學(xué)習(xí)資源

推薦大家關(guān)注兩個(gè)公號(hào)

分享程序員生活、互聯(lián)網(wǎng)資訊、理財(cái)復(fù)盤(pán)日記等

專(zhuān)注于Java學(xué)習(xí)分享，從零和你一起學(xué)Java

關(guān)注后回復(fù)【1024】

送上獨(dú)家資料

◆◆◆

歡迎大家圍觀朋友圈，我的微信：pythonbrief

                              

                              學(xué)習(xí)更多：
                              
                              

                              整理了我開(kāi)始分享學(xué)習(xí)筆記到現(xiàn)在超過(guò)250篇優(yōu)質(zhì)文章，涵蓋數(shù)據(jù)分析、爬蟲(chóng)、機(jī)器學(xué)習(xí)等方面，別再說(shuō)不知道該從哪開(kāi)始，實(shí)戰(zhàn)哪里找了
                              

“點(diǎn)贊”傳統(tǒng)美德不能丟