掌握這十個Python Plotly 技巧，輕松打造高顏值數據圖表
數據可視化在數據分析和探索中扮演著不可或缺的角色。它不僅僅是將數據以圖形形式呈現，而是通過視覺手段揭示隱藏在數據背后的故事和洞察。無論是發現模式、趨勢，還是理解變量之間的關系，優秀的數據可視化都能幫助我們更直觀地理解復雜的信息。
Plotly 是一個廣受歡迎且功能強大的 Python 庫，因其豐富的交互式和動態圖表功能而備受推崇。無論是基本的線圖和柱狀圖，還是更復雜的地理空間可視化和三維圖表，Plotly 都能輕松應對。其靈活性和可定制性使得數據科學家、分析師和開發者能夠創建既美觀又實用的可視化。
接下來將分享一些 Plotly 代碼示例，幫助理解Plotly 的使用方式和特點。
安裝Plotly
pip install plotly
圖片
一、基本折線圖
這個示例使用 Plotly 創建一個簡單的折線圖。我們使用 NumPy 生成樣本數據，并使用 Plotly 的 go.Scatter 來創建圖表。
import plotly.graph_objects as go
import numpy as np
x = np.linspace(0, 10, 100)
y = np.sin(x)
fig = go.Figure(data=go.Scatter(x=x, y=y, mode='lines'))
fig.update_layout(title='Basic Line Plot', xaxis_title='X-axis', yaxis_title='Y-axis')
fig.show()
圖片
二、彩色散點圖
在這個示例中，我們使用 Plotly Express 創建了一個帶有顏色漸變的散點圖。通過大小和顏色參數展示了第三維度的信息：
import plotly.express as px
import pandas as pd
np.random.seed(42)
df = pd.DataFrame({'X': np.random.rand(50), 'Y': np.random.rand(50),
'Size': np.random.rand(50) * 30})
fig = px.scatter(df, x='X', y='Y', size='Size', color='Size',
title='Scatter Plot with Color Gradient')
fig.show()
圖片
三、3D 表面圖
3D 表面圖顯示了三個變量在三維空間中的關系。數據點被映射到三維坐標系統中的一個表面上，通過表面的形狀、高度或顏色展示特征和趨勢。
import plotly.graph_objects as go
import numpy as np
x = np.linspace(-5, 5, 100)
y = np.linspace(-5, 5, 100)
x, y = np.meshgrid(x, y)
z = np.sin(np.sqrt(x**2 + y**2))
fig = go.Figure(data=[go.Surface(z=z, x=x, y=y)])
fig.update_layout(title='3D Surface Plot',
scene=dict(xaxis_title='X-axis', yaxis_title='Y-axis', zaxis_title='Z-axis'))
fig.show()
圖片
四、氣泡圖
氣泡圖是散點圖的一種變體，其中每個點的大小反映了數據的第三維度。創建氣泡圖的示例代碼：
import plotly.express as px
df = px.data.gapminder().query("year == 2007")
fig = px.scatter_geo(df, locatinotallow='iso_alpha', size='pop',
hover_name='country', title='Bubble Map')
fig.show()五、小提琴圖
小提琴圖是一種繪制數值數據的方法。它類似于箱線圖，但每側都有一個旋轉的核密度圖。創建小提琴圖的示例代碼：
import plotly.express as px
import seaborn as sns
tips = sns.load_dataset( 'tips' )
fig = px.violin(tips, y= 'total_bill' , x= 'day' , box= True ,
points= "all" , title= 'Violin Plot' )
fig.show()
圖片
六、旭日圖
旭日圖用于顯示分層數據。這種圖表通常是二維的，但也可以是三維的。旭日圖建立在一個圓圈上，層次結構的每個級別都顯示為一個環。外環顯示匯總數據，內環顯示子類別信息。將鼠標懸停在內環上可顯示其包含的所有子集。以下是一個例子：
import plotly.express as px
df = px.data.tips()
fig = px.sunburst(df, path=[ 'sex' , 'day' , 'time' ], values= 'total_bill' ,
title= 'Sunburst Chart' )
fig.show()
圖片
七、熱圖
熱圖，也稱為相關矩陣，使用顏色編碼的方塊顯示變量之間的相關性。顏色強度表示相關性的強度。以下是一個例子：
import plotly.express as px
import numpy as np
np.random.seed( 42 )
corr_matrix = np.random.rand( 10 , 10 )
fig = px.imshow(corr_matrix,
labels= dict (x= "X-axis" , y= "Y-axis" , color= "Correlation" ),
title= 'Heatmap with Annotations' )
fig.show()
圖片
八、雷達圖
雷達圖顯示多維數據。它將多個數據點映射到從同一中心點開始到周長結束的軸上。連接這些點形成雷達圖。以下是一個例子：
import plotly.graph_objects as go
import pandas as pd
categories = [ '速度' , '可靠性' , '舒適度' , '安全性' , '效率' ]
values = [ 90 , 60 , 85 , 70 , 80 ]
fig = go.Figure()
fig.add_trace(go.Scatterpolar(
r=values, theta=categories,
fill= 'toself' , name= '產品 A'
))
fig.update_layout(title= '雷達圖' )
fig.show()
圖片
九、3D 散點圖
3D 散點圖顯示三維數據點。每個點都繪制在具有 X、Y 和 Z 軸的 3D 坐標系中。以下是一個例子：
import plotly.graph_objects as go
import numpy as np
np.random.seed( 42 )
x = np.random.rand( 100 )
y = np.random.rand( 100 )
z = np.random.rand( 100 )
fig = go.Figure(data=[go.Scatter3d(x=x, y=y, z=z, mode= 'markers' , marker= dict (size= 8 , color=z, colorscale= 'Viridis' ))])
fig.update_layout(title= '3D Scatter Plot' , scene= dict (xaxis_title= 'X-axis' , yaxis_title= 'Y-axis' , zaxis_title= 'Z-axis' ))
fig.show()
圖片
十、漏斗圖
漏斗圖用于單流程分析，展示多個階段的業務流程，使用梯形面積將每個階段的業務數據與上一個階段的業務數據進行比較。以下是一個例子：
import plotly.graph_objects as go
values = [ 500 , 450 , 350 , 300 , 200 ]
fig = go.Figure(go.Funnel(y=[ 'Stage 1' , 'Stage 2' , 'Stage 3' , 'Stage 4' , 'Stage 5' ], x=values, textinfo= 'value+percent initial' ))
fig.update_layout(title= 'Funnel Chart' )
fig.show()
圖片
Plotly 是一個功能強大、用途廣泛的 Python 數據可視化庫。本文展示了各種基本示例，演示了不同的繪圖類型和交互功能。通過這些代碼示例來探索 Plotly 的功能并提高您的數據可視化技能。
