python数据可视化图表_利用plotly for Python进行数据可视化
plotly是一款强大的作图工具，可以快速制作各种精美的图表，而且生成的图表可以实时与用户产生交互，大家可以参考官网的示例。
如散点图
文章图片
文章图片
3D图
文章图片
文章图片
plotly本身是基于javascript开发的，但是提供了大量与其他主流数据分析语言的API，比如Python， R， Matlab，可以参考https://plot.ly/api/。
如果你是Python用户，plotly不仅可以从原生的Python获得支持，如果你正在使用matplotlib，pandas等库，plotly也有专门为其量身定制的接口。
R语言用户想必已经熟悉ggplot2， 在R语言中只需要针对一个ggplot2图形对象p进行如下操作
ggplotly(p)
就会直接将其转化为一个plotly对象，十分方便。
个人觉得plotly与ggplot2在图形语法上有很多相似之处，所以R语言用户可能会很快上手，起初我也是在R语言环境中使用plotly，但是R语言中对于LaTeX的支持不是很好，从而转向Python。
plotly的官网文档十分详尽，然而对于初学者而言不太容易找到自己的需求。我接触plotly大概已经一个星期，所以在这里记录下我的一些最基本的经验，说不定谁看了这篇文章之后可以少走一些弯路。
Python用户可以直接使用pip安装plotly，我比较熟悉Python3.
sudo pip3 install plotly
本篇文章以我在自己科研中获取的一些数据为基础，绘制一幅最简单的散点图，并在图上添加一些基本的图形元素
首先，获得的数据(csv格式)如下，一共约15000条数据，这里只是头部
文章图片
文章图片
建议大家使用IPython Notebook，可以十分方便地与图形进行交互 。
文章图片
文章图片
首先导入plotly与pandas，可以用pandas中的read_csv直接读取原始数据。
下面就可以利用plotly绘制散点图。考虑到我们一共有7列数据，现在我们想研究前三列(MH， MH3， MH5)的相互关系，那么我们可以考虑将其中两个的数值映射到x, y轴，另一个变量的值可以用点的颜色来表征，下面是代码
文章图片
文章图片
绘制出的图像如下
文章图片
文章图片
其中有几点地方需要注意
整个图像的比例不是很协调，需要我们重新调整其长和宽。
x轴，y轴，以及右侧的图例分别代表什么含义，这个图里并没有体现。
这个图中的配色方案是‘Viridis’，plotly默认了不少其他美观的配色方案，具体效果可以参考本文附录三。
接下来我们就涉及到了“图层”的概念，以上的图像仅仅就是将原始数据映射到坐标轴上，如果我们还想继续设置x轴的标题，y轴的标题，以及在图像上添加一些几何图形，那么就可以往上继续添加图层——layout(这里就是ggplot2作图的思想)
go.Layout就可以创建图层对象，具体用法如下：
文章图片
文章图片
得到的图像为
文章图片
文章图片
这样x轴， y轴以及整个图像都有了标题，而且图像的尺寸也得到了调整。
接下来我们可以往图上添加一些简单的几何图形，我们就以直线为例
文章图片
文章图片
同时在定义图层时加上shapes属性
文章图片
文章图片
我们得到
文章图片
文章图片
线段，圆形，矩形等plotly都有相应的选项，如果需要的话可以查看其关于shapes的文档
https://plot.ly/python/shapes/
接下来我需要在图像上画一些交叉点，这个plotly自身并不支持(反正我没找到)，但是我们可以用两条线段来组合成一个交叉点。
于是可以定义这样一个函数，给定一个坐标，返回组成这个交叉点的两条直线，这很简单
文章图片
文章图片
然后我们将layout中的shapes改成
文章图片
文章图片
最后得到我想要的图像
文章图片
文章图片
到这里我需要的图基本已经完成了，其实没有什么复杂的地方。认真的读者应该发现了，为什么我右侧的图例上没有标题？
这个问题非常好，因为我也不知道怎么在Python中在图例上添加标题。。
我查了不少官方的手册，到现在都没有一个比较好的解决办法，这个问题在R语言中是不存在的，这是R语言的代码，十分简洁，只是省略了line1，line2的定义
plot_ly(data, x=~MH5, y=~MH3, color=~MH, marker=list(size=3))%>%layout(shapes=list(line1,line2))
文章图片
文章图片
可以看到右侧图例的标题是自动加上的，而在Python中我却没有找到好的解决办法，如果大家知道的话请告诉我，感激不尽。。
(其实我强行找了一种十分丑陋的方法，但是也算勉强解决了问题，具体实现方法可以参考附录二)
以上就是我这几天来学习plotly的一些心得，刚开始接触的时候面对官方文档纷繁复杂无从下手，到现在稍微找到一些眉目，所以在这记录下来与大家分享，时间仓促中间不免有些疏漏，还请大家指正。
附录一：
完整的Python3代码
def cross(x, y):
line1 = dict(
type = 'line',
xref = 'x',
yref = 'y',
x0 = x - 4,
y0 = y - 5,
x1 = x + 4,
y1 = y + 5,
line = dict(
color = 'black',
width = 2,
)
)
line2 = dict(
type = 'line',
xref = 'x',
yref = 'y',
x0 = x - 4,
y0 = y + 5,
x1 = x + 4,
y1 = y - 5,
line = dict(
color = 'black',
width = 2,
)
)
return line1, line2
import plotly.plotly as py
import plotly.graph_objs as go
import pandas as pd
data = https://www.it610.com/article/pd.read_csv('30_-10_full.csv')
aes = go.Scatter(
x = data['MH5'],
y = data['MH3'],
mode = 'markers',
name = 'MH',
marker = dict(
color = data['MH'],
size = '5',
colorscale = 'Viridis',
showscale = True
)
)
line1 = dict(
type = 'line',
xref = 'x',
yref = 'y',
x0 = 200,
y0 = 100,
x1 = 200,
y1 = 600,
line = dict(
color = 'black',
width = 2,
)
)
line2 = dict(
type = 'line',
xref = 'x',
yref = 'y',
x0 = 100,
y0 = 180.385,
x1 = 519.615,
y1 = 600,
line = dict(
color = 'black',
width = 2,
)
)
layout = go.Layout(
title = '$MH_5, MH_3$',
autosize = False,
width = 1000,
height = 800,
shapes = [line1, line2, cross(230, 530)[0], cross(230, 530)[1], cross(230, 430)[0], cross(230, 430)[1], cross(230, 330)[0], cross(230, 330)[1], cross(300, 530)[0], cross(300, 530)[1], cross(300, 430)[0], cross(300, 430)[1], cross(370, 530)[0], cross(370, 530)[1]],
xaxis = dict(
title = '$MH_5$'
),
yaxis = dict(
title = '$MH_3$'
),
)
fig = go.Figure(data=https://www.it610.com/article/[aes], layout=layout)
py.iplot(fig)
附录二：
在Python环境下给右侧图例添加标题的一种方法：
然而其所用例子多是折线图， 图例的标题实际上是可以在go.Scatter中的‘name’选项定义的，就像这样
文章图片
文章图片
实际上如果大家加上这么一句再运行的话是不起任何效果的。
我发现这样一个事实，只有当存在至少两个data对象的时候才会显示legend的名字，所以我们可以在图中添加一个很小的白色的点，并且将它的名字设置为一个空格(即空白)，但是单独作为一个对象，即
文章图片
文章图片
再在最后组合data与layout的语句中加上aes1
文章图片
文章图片
最后我们得到
文章图片
文章图片
可以看到右侧图例总算有了一个名字，虽然不在正上方，也不是很好看，不过至少有了。同时(300,300)新加的这个点根本看不见。
这个问题应当去阅读plotly的源码才能更好地解决，这里只是一个权宜之计。
附录三：
plotly自带的一些colorscale配色方案，方案的名字我已经写在图像的标题上了。
文章图片
文章图片
Viridis就是我们之前所用的颜色，如果你想使用下面的colorscale，只需将代码中的‘Viridis’改成相应的名称就好了
文章图片
文章图片
文章图片
文章图片
文章图片
文章图片
文章图片
文章图片
文章图片
文章图片
文章图片
文章图片
文章图片
文章图片
文章图片
文章图片
文章图片
文章图片
文章图片
文章图片
文章图片
文章图片
文章图片
文章图片
文章图片
文章图片
文章图片
文章图片
文章图片
文章图片
文章图片
【python数据可视化图表_利用plotly for Python进行数据可视化】
文章图片
推荐阅读
- wxpython控件如何自动调整大小_wxpython（自动调整静态图像(staticbitmap)的大小以适应大小...）
- python报表设计工具_报表自动化，三流用Excel，二流用Python，一流用它
- pythonwx关闭窗口_wxPython:关闭wxPython程序
- Python构造函数使用详解
- Python数组介绍和操作运算详解
- Python命令行参数用法全解
- 热门精品！Python IDE开发工具推荐合集
- Python统计模块用法示例
- Python怎么写入excel文件（详细实例在这里。。。）
- Python如何写入CSV文件（详细答案————）