锐客网

  1. 首页 > 睿知 > it技术 > >

python可视化函数库的简单介绍( 二 )

IT技术数据


箱形图：
小提琴图：
还可以创建联合分布图（marginal rugs），使用直方图，箱形图（box）或小提琴来显示双变量分布，也可以添加趋势线 。Plotly Express 甚至可以帮助你在悬停框中添加线条公式和R2值！ 它使用 statsmodels 进行普通最小二乘（OLS）回归或局部加权散点图平滑（LOWESS） 。
在上面的一些图中你会注意到一些不错的色标 。在 Plotly Express 中， px.colors 模块包含许多有用的色标和序列：定性的、序列型的、离散的、循环的以及所有您喜欢的开源包：ColorBrewer、cmocean 和 Carto。我们还提供了一些功能来制作可浏览的样本供您欣赏（ref-3）：
定性的颜色序列：
众多内置顺序色标中的一部分：
我们特别为我们的交互式多维图表感到自豪，例如散点图矩阵（SPLOMS）、平行坐标和我们称之为并行类别的并行集 。通过这些，您可以在单个图中可视化整个数据集以进行数据 探索。在你的Jupyter 笔记本中查看这些单行及其启用的交互：
散点图矩阵（SPLOM）允许您可视化多个链接的散点图：数据集中的每个变量与其他变量的关系 。数据集中的每一行都显示为每个图中的一个点 。你可以进行缩放、平移或选择操作，你会发现所有图都链接在一起！
平行坐标允许您同时显示3个以上的连续变量 。dataframe 中的每一行都是一行 。您可以拖动尺寸以重新排序它们并选择值范围之间的交叉点 。
并行类别是并行坐标的分类模拟：使用它们可视化数据集中多组类别之间的关系 。
Plotly Express 之于 Plotly.py 类似 Seaborn 之于 matplotlib：Plotly Express 是一个高级封装库，允许您快速创建图表 ， 然后使用底层 API 和生态系统的强大功能进行修改 。对于Plotly 生态系统，这意味着一旦您使用 Plotly Express 创建了一个图形，您就可以使用Themes，使用 FigureWidgets 进行命令性编辑，使用 Orca 将其导出为几乎任何文件格式，或者在我们的 GUI JupyterLab 图表编辑器中编辑它。
主题（Themes）允许您控制图形范围的设置 ， 如边距、字体、背景颜色、刻度定位等 。您可以使用模板参数应用任何命名的主题或主题对象：
有三个内置的 Plotly 主题可以使用，分别是 plotly，plotlywhite 和 plotlydark 。
px 输出继承自 Plotly.py 的 Figure 类 ExpressFigure 的对象 ， 这意味着你可以使用任何 Figure 的访问器和方法来改变 px生成的绘图 。例如 ， 您可以将 .update（） 调用链接到 px 调用以更改图例设置并添加注释 。.update（） 现在返回修改后的数字，所以你仍然可以在一个很长的 Python 语句中执行此操作：
在这里，在使用 Plotly Express 生成原始图形之后 ， 我们使用 Plotly.py 的 API 来更改一些图例设置并添加注释 。
Dash 是 Plotly 的开源框架 ， 用于构建具有 Plotly.py 图表的分析应用程序和仪表板 。Plotly Express 产生的对象与 Dash 100％兼容 ， 只需将它们直接传递到 dash_core_components.Graph，如下所示： dcc.Graph（figure = px.scatter（...）） 。这是一个非常简单的 50行 Dash 应用程序的示例，它使用 px 生成其中的图表：
这个 50 行的 Dash 应用程序使用 Plotly Express 生成用于浏览数据集的 UI。
【python可视化函数库的简单介绍】 可视化数据有很多原因：有时您想要提供一些想法或结果，并且您希望对图表的每个方面施加很多控制，有时您希望快速查看两个变量之间的关系 。这是交互与 探索 的范畴 。
Plotly.py 已经发展成为一个非常强大的可视化交互工具：它可以让你控制图形的几乎每个方面 ， 从图例的位置到刻度的长度 。不幸的是，这种控制的代价是冗长的：有时可能需要多行 Python 代码才能用 Plotly.py 生成图表 。

推荐阅读


上一篇：固态硬盘怎么连接蓝牙耳机，固态硬盘怎么连接蓝牙耳机教程

下一篇：为什么恋爱游戏里的女主，为什么恋爱游戏里的女主那么丑