Python可视化冲工具之情节基本图形的实现示例 - 行业资讯

　　介绍

小编给大家分享一下Python可视化冲工具之情节基本图形的实现示例,希望大家阅读完这篇文章之后都有所收获、下面让我们一起去探讨吧!

情节表达是对情节。py的高级封装,内置了大量实用,现代的绘图模板,用户只需调用简单的API函数,即可快速生成漂亮的互动图表,可满足90%以上的应用场景。

情节表达提供的几个样例库进行散点图,折线图,饼图,柱状图,气泡图,桑基图,玫瑰环图,堆积图,二维面积图、甘特图等基本图形的实现。

import plotly.express as px 　　时间=df px.data.iris () 　　#指数([& # 39;sepal_length& # 39;,, & # 39; sepal_width& # 39;,, & # 39; petal_length& # 39;,, & # 39; petal_width& # 39;,, & # 39;物种# 39;,& # 39;species_id& # 39;], dtype=& # 39;对象# 39;) 　　#,,,sepal_length sepal_width ……, species species_id 　　0 #,,,,,,,,5.1,,,,,3.5,,,,,setosa ,,,,, 1 　　#,1,,,,,,,4.9,,,,,3.0,,,,,setosa ,,,,, 1 　　#,2,,,,,,,4.7,,,,,3.2,,,,,setosa ,,,,, 1 　　#,,,,,,,,,,,,,,,,,,,,,,,,,,,… 　　#,149,,,,,,5.9,,,,,3.0,……,virginica ,,,,, 3 　　#,plotly.express.scatter (data_frame=,, x=,, y=没有,,=#,颜色没有,,=None,象征,大?没有　　#,hover_name=没有,hover_data=https://www.yisu.com/zixun/None, custom_data=None,文本=没有　　# facet_row=None, facet_col=None, facet_col_wrap=0, facet_row_spacing=None, facet_col_spacing=没有　　# error_x=None, error_x_minus=None, error_y=None, error_y_minus=没有　　# animation_frame=None, animation_group=没有　　# category_orders=没有标签=None,取向=没有　　# color_discrete_sequence=None, color_discrete_map=None, color_continuous_scale=没有　　# range_color=None, color_continuous_midpoint=没有　　# symbol_sequence=None, symbol_map=None,透明度=没有　　# size_max=None, marginal_x=None, marginal_y=没有　　#趋势线=None, trendline_color_override=没有　　# log_x=False, log_y=False, range_x=None, range_y=没有　　# render_mode='汽车'标题=None,模板=None,宽度=None,高度=没有) 　　#以sepal_width, sepal_length制作标准散点图　　无花果=px。散射(df, x=皊epal_width”, y=皊epal_length”) 　　fig.show () 　　　　　　#以鸢尾花类型的物种作为不同颜色区分标志的颜色　　无花果=px。散射(df, x=皊epal_width”, y=皊epal_length”,颜色=拔镏帧? 　　fig.show () 　　　　#追加petal_length作为散点大小,变位气泡图的大小　　无花果=px。散射(df, x=皊epal_width”, y=皊epal_length”, 　　颜色=拔镏帧?大?皃etal_length”) 　　fig.show () 　　　　#追加petal_width作为额外列,在悬停工具提示中显示为额外数据hover_data 　　无花果=px。散射(df, x=皊epal_width”, y=皊epal_length”, 　　颜色=拔镏帧?大?皃etal_length”, 　　hover_data=[' petal_width ']) 　　fig.show () 　　　　#以鸢尾花类型物种区分散点的形状的象征　　无花果=px。散射(df, x=皊epal_width”, y=皊epal_length”, 　　符号=拔镏帧?颜色=拔镏帧? 　　大?' petal_length ', 　　hover_data=[' petal_width ']) 　　fig.show () 　　　　#追加petal_width作为额外列,在悬停工具提示中以粗体显示,hover_name 　　无花果=px。散射(df, x=皊epal_width”, y=皊epal_length”, 　　符号=拔镏帧?颜色=拔镏帧? 　　大?' petal_length ', 　　hover_data=[' petal_width '], hover_name=拔镏帧? 　　fig.show () 　　　　#以鸢尾花类型编码-species_id作为散点的文本值的文本　　无花果=px。散射(df, x=皊epal_width”, y=皊epal_length”, 　　符号=拔镏帧?颜色=拔镏帧? 　　大?' petal_length ', 　　hover_data=[' petal_width '], hover_name=拔镏帧? 　　文本=" species_id”) 　　fig.show () 　　　　#追加图表标题标题　　无花果=px。散射(df, x=皊epal_width”, y=皊epal_length”, 　　符号=拔镏帧?颜色=拔镏帧?大?皃etal_length”, 　　hover_data=[' petal_width '], hover_name=拔镏帧? 　　文本=" species_id " title=梆拔不ǚ掷嗾故尽? 　　fig.show () 　　　　#以鸢尾花类型的物种作为动画播放模式animation_frame 　　无花果=px。散射(df, x=皊epal_width”, y=皊epal_length”, 　　符号=拔镏帧?颜色=拔镏帧?大?皃etal_length”, 　　hover_data=[' petal_width '], hover_name=拔镏帧? 　　文本=" species_id " title=梆拔不ǚ掷嗾故尽? 　　animation_frame=拔镏帧? 　　fig.show () 　　　　#固定X, Y最大值最小值范围range_x, range_y,防止动画播放时超出数值显示　　无花果=px。散射(df, x=皊epal_width”, y=皊epal_length”, 　　符号=拔镏帧?颜色=拔镏帧?大?皃etal_length”, 　　hover_data=[' petal_width '], hover_name=拔镏帧? 　　文本=" species_id " title=梆拔不ǚ掷嗾故尽? 　　animation_frame=拔镏帧?range_x=[1.5, 4.5], range_y=[4, 8.5]) 　　fig.show () 　　　　df=px.data.gapminder () .query(“国家==中国”) 　　#指数([‘国家’,‘大陆’,‘年’,‘lifeExp’,“流行”,‘gdpPercap’,‘iso_alpha’, ' iso_num '], dtype='对象') 　　#中国大陆一年……gdpPercap iso_alpha iso_num 　　# 288中国亚洲1952…400.448611中文156 　　# 289中国亚洲1957…575.987001中文156 　　# 290中国亚洲1962…487.674018中文156 　　# plotly.express。线(data_frame=None, x=None, y=没有, 　　# line_group=None,颜色=None, line_dash=没有　　# hover_name=None, hover_data=None, custom_data=None,文本=没有　　# facet_row=None, facet_col=None, facet_col_wrap=0, 　　# facet_row_spacing=None, facet_col_spacing=没有　　# error_x=None, error_x_minus=None, error_y=None, error_y_minus=没有　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null 　　null