这5种动态炫酷图,用Python就可以画!
点击上方“小白学视觉”,选择加"星标"或“置顶”
重磅干货,第一时间送达
作者丨Liana Mehrabyan
数据可以帮助我们描述这个世界、阐释自己的想法和展示自己的成果,但如果只有单调乏味的文本和数字,我们却往往能难抓住观众的眼球。而很多时候,一张漂亮的可视化图表就足以胜过千言万语。本文将介绍 5 种基于 Plotly 的可视化方法,你会发现,原来可视化不仅可用直方图和箱形图,还能做得如此动态好看甚至可交互。
对数据科学家来说,讲故事是一个至关重要的技能。为了表达我们的思想并且说服别人,我们需要有效的沟通。而漂漂亮亮的可视化是完成这一任务的绝佳工具。本文将介绍 5 种非传统的可视化技术,可让你的数据故事更漂亮和更有效。这里将使用 Python 的 Plotly 图形库(也可通过 R 使用),让你可以毫不费力地生成动画图表和交互式图表。
那么,Plotly 有哪些好处?Plotly 的整合能力很强:可与 Jupyter Notebook 一起使用,可嵌入网站,并且完整集成了 Dash——一种用于构建仪表盘和分析应用的出色工具。
启动
如果你还没安装 Plotly,只需在你的终端运行以下命令即可完成安装:
pip install plotly
安装完成后,就开始使用吧!
动画
在研究这个或那个指标的演变时,我们常涉及到时间数据。Plotly 动画工具仅需一行代码就能让人观看数据随时间的变化情况,如下图所示:
代码如下:
import plotly.express as px
from vega_datasets import data
df = data.disasters()
df = df[df.Year > 1990]
fig = px.bar(df,y="Entity",x="Deaths",animation_frame="Year",orientation= h ,range_x=[0, df.Deaths.max()],color="Entity")
# improve aesthetics (size, grids etc.)
fig.update_layout(width=1000,height=800,xaxis_showgrid=False,yaxis_showgrid=False,paper_bgcolor= rgba(0,0,0,0) ,plot_bgcolor= rgba(0,0,0,0) ,title_text= Evolution of Natural Disasters ,showlegend=False)
fig.update_xaxes(title_text= Number of Deaths )
fig.update_yaxes(title_text=)
fig.show()
只要你有一个时间变量来过滤,那么几乎任何图表都可以做成动画。下面是一个制作散点图动画的例子:
import plotly.express as px
df = px.data.gapminder()
fig = px.scatter(df,x="gdpPercap",y="lifeExp",animation_frame="year",size="pop",color="continent",hover_name="country",log_x=True,size_max=55,range_x=[100, 100000],range_y=[25, 90],# color_continuous_scale=px.colors.sequential.Emrld
)
fig.update_layout(width=1000,height=800,xaxis_showgrid=False,yaxis_showgrid=False,paper_bgcolor= rgba(0,0,0,0) ,plot_bgcolor= rgba(0,0,0,0) )
太阳图
太阳图(sunburst chart)是一种可视化 group by 语句的好方法。如果你想通过一个或多个类别变量来分解一个给定的量,那就用太阳图吧。
假设我们想根据性别和每天的时间分解平均小费数据,那么相较于表格,这种双重 group by 语句可以通过可视化来更有效地展示。
这个图表是交互式的,让你可以自己点击并探索各个类别。你只需要定义你的所有类别,并声明它们之间的层次结构(见以下代码中的 parents 参数)并分配对应的值即可,这在我们案例中即为 group by 语句的输出。
import plotly.graph_objects as go
import plotly.express as px
import numpy as np
import pandas as pd
df = px.data.tips()
fig = go.Figure(go.Sunburst(labels=["Female", "Male", "Dinner", "Lunch", Dinner , Lunch ],parents=["", "", "Female", "Female", Male , Male ],values=np.append(df.groupby( sex ).tip.mean().values,df.groupby([ sex , time ]).tip.mean().values),marker=dict(colors=px.colors.sequential.Emrld)),layout=go.Layout(paper_bgcolor= rgba(0,0,0,0) ,plot_bgcolor= rgba(0,0,0,0) ))fig.update_layout(margin=dict(t=0, l=0, r=0, b=0),title_text= Tipping Habbits Per Gender, Time and Day )
fig.show()
现在我们向这个层次结构再添加一层:
为此,我们再添加另一个涉及三个类别变量的 group by 语句的值。
import plotly.graph_objects as go
import plotly.express as px
import pandas as pd
import numpy as np
df = px.data.tips()
fig = go.Figure(go.Sunburst(labels=["Female", "Male", "Dinner", "Lunch", Dinner , Lunch , Fri , Sat ,Sun , Thu , Fri , Thu , Fri , Sat , Sun , Fri , Thu
],parents=["", "", "Female", "Female", Male , Male ,Dinner , Dinner , Dinner , Dinner ,Lunch , Lunch , Dinner , Dinner ,Dinner , Lunch , Lunch ],values=np.append(np.append(df.groupby( sex ).tip.mean().values,df.groupby([ sex ,time ]).tip.mean().values,),df.groupby([ sex , time ,day ]).tip.mean().values),marker=dict(colors=px.colors.sequential.Emrld)),layout=go.Layout(paper_bgcolor= rgba(0,0,0,0) ,plot_bgcolor= rgba(0,0,0,0) ))
fig.update_layout(margin=dict(t=0, l=0, r=0, b=0),title_text= Tipping Habbits Per Gender, Time and Day )fig.show()
平行类别
另一种探索类别变量之间关系的方法是以下这种流程图。你可以随时拖放、高亮和浏览值,非常适合演示时使用。
代码如下:
import plotly.express as px
from vega_datasets import data
import pandas as pd
df = data.movies()
df = df.dropna()
df[ Genre_id ] = df.Major_Genre.factorize()[0]
fig = px.parallel_categories(df,dimensions=[ MPAA_Rating , Creative_Type , Major_Genre ],color="Genre_id",color_continuous_scale=px.colors.sequential.Emrld,
)
fig.show()
平行坐标图
平行坐标图是上面的图表的连续版本。这里,每一根弦都代表单个观察。这是一种可用于识别离群值(远离其它数据的单条线)、聚类、趋势和冗余变量(比如如果两个变量在每个观察上的值都相近,那么它们将位于同一水平线上,表示存在冗余)的好用工具。
代码如下:
import plotly.express as px
from vega_datasets import data
import pandas as pd
df = data.movies()
df = df.dropna()
df[ Genre_id ] = df.Major_Genre.factorize()[0]
fig = px.parallel_coordinates(df,dimensions=[IMDB_Rating , IMDB_Votes , Production_Budget , Running_Time_min ,US_Gross , Worldwide_Gross , US_DVD_Sales],color= IMDB_Rating ,color_continuous_scale=px.colors.sequential.Emrld)
fig.show()
量表图和指示器
量表图仅仅是为了好看。在报告 KPI 等成功指标并展示其与你的目标的距离时,可以使用这种图表。
指示器在业务和咨询中非常有用。它们可以通过文字记号来补充视觉效果,吸引观众的注意力并展现你的增长指标。
import plotly.graph_objects as go
fig = go.Figure(go.Indicator(domain = { x : [0, 1], y : [0, 1]},value = 4.3,mode = "gauge+number+delta",title = { text : "Success Metric"},delta = { reference : 3.9},gauge = { bar : { color : "lightgreen"},axis : { range : [None, 5]},steps : [{ range : [0, 2.5], color : "lightgray"},{ range : [2.5, 4], color : "gray"}],}))
fig.show()
下载1:OpenCV-Contrib扩展模块中文版教程
在「小白学视觉」公众号后台回复:扩展模块中文教程,即可下载全网第一份OpenCV扩展模块教程中文版,涵盖扩展模块安装、SFM算法、立体视觉、目标跟踪、生物视觉、超分辨率处理等二十多章内容。
下载2:Python视觉实战项目52讲
在「小白学视觉」公众号后台回复:Python视觉实战项目,即可下载包括图像分割、口罩检测、车道线检测、车辆计数、添加眼线、车牌识别、字符识别、情绪检测、文本内容提取、面部识别等31个视觉实战项目,助力快速学校计算机视觉。
下载3:OpenCV实战项目20讲
在「小白学视觉」公众号后台回复:OpenCV实战项目20讲,即可下载含有20个基于OpenCV实现20个实战项目,实现OpenCV学习进阶。
交流群
欢迎加入公众号读者群一起和同行交流,目前有SLAM、三维视觉、传感器、自动驾驶、计算摄影、检测、分割、识别、医学影像、GAN、算法竞赛等微信群(以后会逐渐细分),请扫描下面微信号加群,备注:”昵称+学校/公司+研究方向“,例如:”张三 + 上海交大 + 视觉SLAM“。请按照格式备注,否则不予通过。添加成功后会根据研究方向邀请进入相关微信群。请勿在群内发送广告,否则会请出群,谢谢理解~
这5种动态炫酷图,用Python就可以画!相关推荐
- 这5种动态炫酷图,也是用Python画的
Python实战社群 Java实战社群 长按识别下方二维码,按需求添加 扫码关注添加客服 进Python社群▲ 扫码关注添加客服 进Java社群▲ 作者丨Liana Mehrabyan 来源丨Towa ...
- python是一种动态语言、这意味着_【python编程的优点是什么?难怪选择python的人越来越多了】- 环球网校...
[摘要]Python是一种动态解释的.强类型定义语言:编写它时不需要定义变量类型.python判断值的类型的方法是什么,那么python编程的优点是什么?难怪选择python的人越来越多了,所以你知道 ...
- Excel也能完爆BI工具,仅6个步骤就能制作动态炫酷看板
点击上方 蓝字 关注我们 当老板.业务向你要一份数据的时候,如果你只给出一份苍白无力的原始数据的话,那你就输了,是一个"取数工具人"无疑了!也别怪别人把咱当做"查数姑&q ...
- 9种动态可视化技巧,快速提升可视化大屏能力(附模板)
文末有惊喜! 十年前,可视化大屏还是比较新鲜的东西,只有技术发达且财力充足的大企业才能开发出来.但现在,大屏到处可见,像交通物流监控大屏.银行驾驶舱大屏.防疫数据监控大屏.智慧工厂生产大屏等,连菜市场 ...
- Python基础笔记_Day12_Python元类、type动态创建类、Python动态创建方法、Python运算符、Python发邮件、短信
Day12_Python元类.type动态创建类.Python动态创建方法.Python运算符重载.Python发邮件.短信 12.01_Python语言基础(类对象)(熟悉) 12.02_Pytho ...
- pandas 多折线图_干货:使用pandas和seaborn制作炫酷图表(附代码)
原标题:干货:使用pandas和seaborn制作炫酷图表(附代码) 我们介绍过用matplotlib制作图表的一些tips,感兴趣的同学可以戳→纯干货:手把手教你用Python做数据可视化(附代码) ...
- 酷炫时钟_您不知道的11种酷炫形状
酷炫时钟 Whether it's in nature, architecture or the products we use, cool shapes are everywhere around ...
- python中turtle画酷炫图案-使用Python的turtle画炫酷图形
原标题:使用Python的turtle画炫酷图形 例子一: import turtle t = turtle.Pen() turtle.bgcolor("black") sides ...
- mybatis的注解开发之三种动态sql
脚本sql XML配置方式的动态SQL我就不讲了,有兴趣可以自己了解,下面是用<script>的方式把它照搬过来,用注解来实现.适用于xml配置转换到注解配置 @Select(" ...
最新文章
- VirtualBox在桥接模式下无网络处理
- python image convert_从python运行imagemagick convert(控制台应用程序)
- 软件测试人员:如何优秀的提Bug?
- 为什么猫王不应该访问Java
- 一些有用的javascript实例分析(二)
- 数据结构 - 赫夫曼树
- c# 获取路径的盘符_c#获取驱动器盘符
- npm error enoent:no such file or directory...are-we-there-yet ; package.json文件和node_modules模相互转化
- element-UI级联选择器(Cascader 回显、默认显示项) - (返回结果的)格式转化 - 代码篇
- vue_过滤器_note
- (五)自动化MLOps部署到Kubernetes
- 【转】Scala: Example use for early definition / early initializer / pre-initialized fields
- Linux下磁盘加密
- Android开发中gitignore文件模板添加
- Java开发工具(二):Intellij Idea IU-2019.2.3版安装配置简明教程
- 太乙超级计算机,从“启明”到“太乙”,南科大的超算发展之路
- python编写程序输出诗句_python基于词向量的古诗生成器
- 年轻人转行需三思,未来5-10年什么工作真吃香?
- 软件外包的合同要怎么签?
- 数据结构童话版 003新的学生
热门文章
- 13岁小孩都跟我抢Python了,完了!
- 网红“AI大佬”被爆论文剽窃,Jeff Dean都看不下去了
- 每天超50亿推广流量、3亿商品展现,阿里妈妈的推荐技术有多牛?
- 会数据分析的人别再低调了,我怕你会因此错失100万奖金
- 用AI帮你找工作,领英是如何做的?
- “AI赋能,驱动未来”—— 2018中国人工智能峰会(南京)圆满落幕
- 我们都是透明人!看看互联网巨头们偷偷存储了你的哪些信息
- 4 种主流的 API 架构风格对比
- GitHub 的微服务架构设计与实践
- 我终于决定要放弃 okhttp、httpClient,选择了这个牛逼的神仙工具!贼爽!