大数据分析|Python matplotlib plotly Matplotlib|python|开发语言|pychar

【大数据分析|Python matplotlib plotly】
文章目录

一、整理数据
二、折线图
三、散点图
四、饼图
五、柱形图
六、点图（设置多个go对象）
七、2D密度图
八、简单3D图

一、整理数据以300部电影作为数据源

import pandas as pd cnboo=pd.read_excel("cnboNPPD1.xls")

cnboo

文章图片

import seaborn as sns import numpy as np import matplotlib as mpl from matplotlib import pyplot as plt import pandas as pd from datetime import datetime,timedelta %matplotlib inline plt.rcParams['font.sans-serif']=['SimHei'] # 用来正常显示中文标签 plt.rcParams['axes.unicode_minus']=False # 用来正常显示负号 from datetime import datetime

! pip install plotly # 安装 import matplotlib.pyplot as plt import plotly from plotly.offline import download_plotlyjs,init_notebook_mode,plot,iplot

x=cnboo['BO'].tolist() y=cnboo['PERSONS'].tolist() dict01={"x":x,"y":y} dict01

二、折线图

# 折线图 iplot([dict01])

文章图片

三、散点图

import plotly.graph_objs as go iplot([go.Scatter(x=x,y=y,mode='markers')])

文章图片

# 随机生成的点图 import numpy as np iplot([go.Scatter(x=np.random.randn(100),y=np.random.randn(100),mode='markers')])

go

文章图片

trace=go.Scatter(x=cnboo['PRICE'],y=y,mode='markers',) data=https://www.it610.com/article/[trace] iplot(data)

文章图片

trace=go.Scatter(x=cnboo['PRICE'],y=y,mode='markers',marker=dict(color='red',size=9,opacity=0.4)) data=https://www.it610.com/article/[trace] iplot(data)

文章图片

四、饼图

colors=['#dc2624','#2b4750','#45a0a2','#e87a59','#7dcaa9','#649E7D','#dc8018', '#C89F91','#6c6d6c','#4f6268','#c7cccf']

filmtype=cnboo['TYPE'] filmbo=cnboo['PRICE'] trace=go.Pie(labels=filmtype,values=filmbo, hoverinfo='label+percent',textinfo='value',textfont=dict(size=10), marker=dict(colors=colors,line=dict(color='#000000',width=3))) data=https://www.it610.com/article/[trace]

iplot(data)

文章图片

filmtype=cnboo['TYPE'] filmbo=cnboo['PRICE'] trace=go.Pie(labels=filmtype,values=filmbo, hoverinfo='label+percent',textinfo='value',textfont=dict(size=12), marker=dict(colors=colors)) data=https://www.it610.com/article/[trace] iplot(data)

文章图片

五、柱形图

# plotly bar trace1=go.Bar(x=cnboo['TYPE'],y=cnboo['PRICE'],name="类型与票价") trace2=go.Bar(x=cnboo['TYPE'],y=y,name="类型与人数") layout=go.Layout(title="中国电影类型与票价，人数的关系",xaxis=dict(title='电影类型')) data=https://www.it610.com/article/[trace1,trace2] fig=go.Figure(data,layout=layout) iplot(fig)

文章图片

六、点图（设置多个go对象）

trace1=go.Scatter(x=cnboo['TYPE'],y=cnboo['PRICE'],name="类型与票价",mode="markers", marker=dict(color="red",size=8)) trace2=go.Scatter(x=cnboo['TYPE'],y=cnboo['PERSONS'],name="类型与人数",mode="markers", marker=dict(color="blue",size=5)) data=https://www.it610.com/article/[trace1,trace2] iplot(data)

文章图片

trace1=go.Scatter(x=cnboo['TYPE'],y=cnboo['PRICE'],name="类型与票价",mode="markers", marker=dict(color="red",size=8)) trace2=go.Scatter(x=cnboo['TYPE'],y=cnboo['PERSONS'],name="类型与人数",mode="markers", marker=dict(color="blue",size=5)) layout=go.Layout(title="中国电影类型与票价，人数的关系",plot_bgcolor="#FFFFFF") data=https://www.it610.com/article/[trace1,trace2] fig=go.Figure(data,layout=layout) iplot(fig)

文章图片

七、2D密度图

import plotly.figure_factory as ff

fig=ff.create_2d_density(x,y,colorscale=colors,hist_color='#dc2624',point_size=5) iplot(fig,filename='评分与人次')

文章图片

colorscale=['rgb(20, 38, 220)', 'rgb(255, 255, 255)'] # 最后一个颜色都是调用背景

fig=ff.create_2d_density(x,y,colorscale=colorscale,hist_color='#dc2624',point_size=5) iplot(fig,filename='评分与人次')

文章图片

八、简单3D图

layout=go.Layout(title="中国电影票房与人次，票价的关系",barmode="group")

trace01=go.Scatter3d( x=cnboo['BO'], y=cnboo['PRICE'], z=cnboo['PERSONS'], mode='markers', marker=dict(size=12,color=colors,colorscale='Viridis', opacity=0.5,showscale=True)#opacity是透明度 )