本文我们按照如下3 part来深入浅出地讲解plotly的使用方法。喜欢记得收藏、关注、点赞

  • part1: 深入原理, 本文第一节和第二节,分别介绍 go和px 的设计思想和绘图原理。

  • part2: 浅出范例, 本文第三节和第四节,对比性地展示 go和px 的五种绘图范例(柱形图、折线图、散点图、热力图、直方图)

  • part3: 深入实践, 本文第五节,展示一些plotly和机器学习相结合的综合应用范例。

注:完整代码、资料、技术交流,文末提供

一,plotly.graph_objs绘图原理

plotly的Figure是由data(数据,数据包括图表类型(Line,Scatter,Area,Pie)和具体数据取值信息)和 layout(布局,包括xaxis,yaxis,title,legend等) 组成的对象。

Figure对象就像一个透明的嵌套的Python dict 一样,可以通过修改元素值而改变其形态。

import numpy as np
import plotly.graph_objs as goepoches = np.arange(20)
accs = 1-0.9/(epoches+1)data = go.Scatter(x = epoches, y=accs, mode = "lines+markers",name = "acc",marker = dict(size=8,color="blue"),line= dict(width=2,color="blue",dash="dash"))layout = {"title":"accuracy via epoch","xaxis.title":"epoch","yaxis.title":"accuracy","font.size":15}fig = go.Figure(data = data,layout=layout)
fig.show()

如果要把图表的颜色改成红色实线怎么办呢?很简单,我们先print(fig)一下,观察它的结构,找到线的颜色和线型的属性获取方法,然后直接对相应属性赋值就可以了。

print(fig.data)  #如果想获取fig更详细结构信息,可以直接 fig.to_dict()
(Scatter({'line': {'color': 'blue', 'dash': 'dash', 'width': 2},
'marker': {'color': 'blue', 'size': 8},
'mode': 'lines+markers',
'name': 'acc',
'x': array([ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11, 12, 13, 14, 15, 16, 17,
18, 19]),
'y': array([0.1       , 0.55      , 0.7       , 0.775     , 0.82      , 0.85      ,
0.87142857, 0.8875    , 0.9       , 0.91      , 0.91818182, 0.925     ,
0.93076923, 0.93571429, 0.94      , 0.94375   , 0.94705882, 0.95      ,
0.95263158, 0.955     ])
}),)
fig.data[0].line.color = "red"
fig.data[0].line.dash = "solid"
fig

怎么样,plotly是不是一个当之无愧的小透明。

20000字深度讲解 Python 数据可视化神器 Plotly相关推荐

  1. 一学就会,20000字深度讲解 Python 数据可视化神器 Plotly

    作为 Python 的新一代数据可视化绘图库,和matplotlib等传统绘图库相比,plotly具有以下优点: 简洁易用: 作为一只小透明,plotly的图表对象就像一个嵌套dict, 可以通过直接 ...

  2. 图文讲解Python数据可视化神器 !

    我们都知道python上的一款可视化工具 matplotlib , 但是它是静态的.后来发现了 pyecharts 模块,简直好用到不行,可视化类型非常多,它是基于 Echarts 开发的. Echa ...

  3. Python数据可视化神器Plotly:小白指南篇

    先插一个我觉得特别好的教程 或者说是范例? 简单易懂的plotly范例 超详细的教程 这边还是安利一下百度echart这个应用,数据可视化很强大,很炫酷,想了解的话可以去官网了解以下 Plotly简介 ...

  4. Python 数据可视化神器分享:pyecharts

    Python 数据可视化神器分享:pyecharts Python 数据可视化神器分享:pyecharts 我们都知道python上的一款可视化工具matplotlib,而前些阵子做一个Spark项目 ...

  5. 【Plotly】python数据可视化神器——绘制折线图

    Plotly简介 Plotly是用于机器学习.数据挖掘等领域的数据可视化包. 其图标视觉效果简洁大气,可互动性强,成为我工作中进行数据可视化的一大利器,接下来我们就从最简单的折线图,带领大家逐渐入门p ...

  6. python数据可视化神器,我就服它

    前言 本文的文字及图片来源于网络,仅供学习.交流使用,不具有任何商业用途,如有问题请及时联系我们以作处理. PS:如有需要Python学习资料的小伙伴可以加点击下方链接自行获取 python免费学习资 ...

  7. Python 数据可视化神器—Pyecharts

    今日分享主题:Python Pyecharts模块实现数据动态可视化分析 前言 Echarts 是百度开源的一款数据可视化 JS 工具,数据可视化类型十分丰富,但是得通过导入 js 库在 Java W ...

  8. python数据可视化神器--pyecharts 快速入门

    前言 本文首发于本人公众号[Python编程与实战] 我们都知道python上的一款可视化工具 matplotlib , 但是它是静态的.后来发现了 pyecharts 模块,简直好用到不行,可视化类 ...

  9. 最强最炫的Python数据可视化神器,没有之一!

    作者丨Will Koehrsen https://towardsdatascience.com/the-next-level-of-data-visualization-in-python-dd6e9 ...

最新文章

  1. 削减成本同时,多数企业仍计划增加云计算投入
  2. 如何快速生成不同系列的Apriltag码?
  3. 如何通过三视图判断立方体个数_如何通过接触角判断疏水性?疏水性与亲水性的区别...
  4. 图像滤镜艺术---微软自拍APP滤镜实现合集DEMO
  5. spring 调用python_Spring http服务远程调用实现过程解析
  6. 使用kibana客户端工具操作ElasticSearch(增删改查一)
  7. 莫旗政务服务中心通过“互联网+智慧城市” 提升公共服务能力
  8. 马斯克再谈“AI威胁论”,吴恩达也看不下去了
  9. 安全模式:天猫 App 启动保护实践
  10. 网页端实时音视频服务架构与实践
  11. (已解决)ubuntu下网易云音乐无法打开
  12. 设计模式知我所见。。。
  13. 阿里云负载均衡(SLB)简介
  14. 使用Pytorch框架自己制作做数据集进行图像分类(一)
  15. 汇编语言的AX,BX,CX,DX,分别表示什么
  16. Echarts 交错正负轴
  17. 人工智能时代,最容易被人工智能取代的职位是什么
  18. github一直发邮件,如何屏蔽
  19. 用oracle的rollup函数进行合计操作
  20. ThinkPad T410加单条8G协德内存条成功

热门文章

  1. 沉迷于图书馆无法自拔
  2. (下)苹果有开源,但又怎样呢?
  3. RTSP向ZLM流媒体服务器的推流和拉流鉴权
  4. 高速PCB Layout设计要用哪些工具?
  5. 辐射3游戏登录是提示计算机丢失xlive.dll文件,win10系统辐射3提示丢失xlive.dll怎么办...
  6. 【工作流引擎】BPMN2.0介绍
  7. Linux- 系统随你玩之--玩出花活的命令浏览器-双生姐妹花
  8. 【文末送18本ChatGPT扫盲书】从一路高歌到遭多国“封杀”,ChatGPT未来将是什么样子?
  9. KP3114电源IC介绍--【其利天下】
  10. 在ROS上使用ModBus/Tcp协议控制机械手爪