酷炫!又一個Python可視化神器Plotly_Express!

高級可視化神器Plotly_Express快速入門

Plotly_Express是新一代的高級可視化神器，它是plotly.py的高級封裝，內置了大量實用、現代的繪圖模板。

使用者只需要調用簡單的API函數，便可快速地生成漂亮的動態可視化圖表；同時其內置了很多的數據集，方便自行調用，快速模擬作圖。

安裝

用pip install plotly_express 命令可以安裝plotly_express

pip install plotly_express
內置數據集
先導入相關庫，進行查看數據集：
import pandas as pd
import numpy as np
import plotly_express as px  # 或 import plotly.express as px
GDP數據
記錄的是不同國家歷年GDP收入與人均壽命，包含的欄位：
餐廳流水數據
餐廳的訂單流水數據，包含欄位：
鳶尾花數據集
著名的鳶尾花數據集，包含欄位：
風力數據
一份關於風力等級的數據：
選舉投票結果
該數據集記錄的是2013年蒙特婁市長選舉投票結果，包含的主要欄位：
汽車共享可用性數據
該數據記錄的是蒙特婁一個區域中心附近的汽車共享服務的可用性，包含的欄位：
股票數據
內置的一份股票數據，包含欄位：
6個公司名稱：GOOG、AAPL、AMZN、FB、NFLX、MSFT內置顏色面板
plotly_express還內置了很多顏色面板，顏色任你選擇，下面是各個主題下的部分截圖：
卡通片主題
px.colors.carto.swatches()
CMOcean系列
px.colors.cmocean.swatches()
ColorBrewer2系列
px.colors.colorbrewer.swatches()
周期性色調
適用於具有自然周期結構的連續數據
px.colors.cyclical.swatches()
分散色標
適用於具有自然中點的連續數據
px.colors.diverging.swatches()
定性色標系列
適用於沒有自然順序的數據
px.colors.qualitative.swatches()
image-20210325170234151順序色標系列
漸變的顏色系列，適用於大多數連續數據
px.colors.sequential.swatches()
image-20210325170457557作圖
下面介紹使用Plotly_express繪製常見的圖形，所有的圖形在jupyter notebook中都是動態可視化的，本文中採用截圖展示。
柱狀圖
# 指定選取國家：Switzerland

Switzerland  = gapminder[gapminder["country"] == "Switzerland"]
Switzerland   # 數據顯示如下
px.bar(Switzerland,  # 上面指定的數據
       x="year",  # 橫坐標
       y="pop",  # 縱坐標
       color="pop")  # 顏色取值
具體結果如下：
散點圖
先選取繪圖需要的數據：
# 寫法1
# gapminder_2002 = gapminder.query("year==2002")

# 寫法2
gapminder_2002 = gapminder[gapminder["year"] == 2002]
gapminder_2002
px.scatter(gapminder_2002,   # 傳入的數據集
           x="gdpPercap",  # 橫坐標是人均GDP
           y="lifeExp",  # 縱坐標是平均壽命
           color="continent"  # 顏色取值：根據洲的值來取
          )
冒泡散點圖
px.scatter(gapminder_2002   # 繪圖DataFrame數據集
           ,x="gdpPercap"  # 橫坐標
           ,y="lifeExp"  # 縱坐標
           ,color="continent"  # 區分顏色
           ,size="pop"   # 區分圓的大小
           ,size_max=60  # 散點大小
          )
散點矩陣圖
px.scatter_matrix(iris,  # 傳入繪圖數據
                  dimensions=["sepal_width","sepal_length","petal_width","petal_length"],  # 維度設置
                  color="species")  # 顏色取值
面積圖
# area 圖
px.area(gapminder,   # 繪圖的數據集
        x="year",   # 橫軸數據
        y="pop",  # 縱軸數據
        color="continent",  # 顏色取值
        line_group="country")  # 線型分組
股票趨勢圖
# FB公司股票趨勢圖
px.line(stock, x='date', y="FB")  
餅圖
1、我們使用小費tips數據，查看前5行數據：
2、根據day分組，統計total_bill欄位的和
3、繪製餅圖，自動顯示每個day的佔比
px.pie(total_bill_byday, # 繪圖數據
       names="day",  # 每個組的名字
       values="total_bill"  # 組的取值
      )
旭日圖
# 選取2002年數據
gapminder_2002 = gapminder[gapminder["year"] == 2002]

px.sunburst(gapminder_2002,   # 繪圖數據
            path=['continent', 'country'],  # 指定路徑：從洲到國家
            values='pop', # 數據大小：人口數
            color='lifeExp',  # 顏色
            hover_data=['iso_alpha'] # 顯示數據
           )
漏鬥圖
漏鬥圖形在網際網路的電商、用戶分群等領域使用的比較廣泛，自行模擬一個電商UV-付款轉化的數據繪圖：
data = dict(   # 創建原始數據
    number = [1000, 800, 400, 200, 100, 30],
    stage = ["UV", "搜索", "搜藏", "加購", "下單", "付款"]
)

# 傳入數據和數軸
px.funnel(data, 
          x="number", 
          y="stage")
加入一個顏色參數color，改變每個階段的顏色：
data = dict(   # 創建原始數據
    number = [1000, 800, 400, 200, 100, 30],
    stage = ["UV", "搜索", "搜藏", "加購", "下單", "付款"]
)

# 傳入數據和數軸
px.funnel(data, 
          x="number", 
          y="stage",
          color="number"  # 顏色設置
         )
直方圖
px.histogram(
    tips,  # 繪圖數據
    x="sex",  # 指定兩個數軸
    y="tip",
    histfunc="avg",  # 直方圖函數：均值
    color="smoker",  # 顏色取值
    barmode="group",  # 柱狀圖模式
    facet_row="time",  # 橫縱縱軸的欄位設置
    facet_col="day",
    category_orders={"day":["Thur","Fri","Sat","Sun"],  # 分類
                     "time":["Lunch","Dinner"]})
聯合分布圖
多種圖形的組合顯示：
px.scatter(
    iris,
    x="sepal_width",
    y="sepal_length",
    color="species",
    marginal_x="histogram",
    marginal_y="rug")
箱型圖
# notched=True顯示連接處的錐形部分
px.box(tips,  # 數據集
       x="day",  # 橫軸數據
       y="total_bill",  # 縱軸數據
       color="smoker",  # 顏色
       notched=True)  # 連接處的錐形部分顯示出來
小提琴圖
px.scatter(iris,  # 傳入數據
           x="sepal_width",  # 設置XY軸
           y="sepal_length",
           color="species",  # 顏色取值
           marginal_y="violin",  # xy兩表圖形的設置：小提琴圖和箱型圖
           marginal_x="box",
           trendline="ols")  # 趨勢線設置
等高線圖
px.density_contour(iris,  # 數據集
                   x="sepal_width",  # xy軸
                   y="sepal_length",
                   color="species"  # 顏色取值
                  )  
還可以繪製密度等值線圖；
px.density_heatmap(iris,   # 傳入數據
                   x="sepal_width",  # 兩個軸的數據設置
                   y="sepal_length",
                   marginal_y="rug",  # 邊緣圖形設置
                   marginal_x="histogram"   # 在密度圖的基礎上，指定另外兩種圖形
                  )
密度熱力圖
數據的設置和密度等值圖相同，只是選擇的圖形種類不同：
px.density_heatmap(   # 密度熱力圖
  iris,  
  x="sepal_width",
  y="sepal_length",
  marginal_y="rug",
  marginal_x="histogram"   
)
並行分類圖
px.parallel_categories(
    tips,  # 傳入數據
    color="size",  # 顏色取值
    color_continuous_scale=px.colors.sequential.Inferno # 顏色變化趨勢
)
3D散點圖
使用的是選舉結果數據集：
px.scatter_3d(
    election,  # 傳入數據集
    x="Joly",  # 指定XYZ坐標軸的數據
    y="Coderre",  
    z="Bergeron",  
    color="winner",  # 顏色取值
    size="total",   # 大小取值
    hover_name="district_id",  # 指定顏色種類、大小和顯示名稱
    symbol="result",  # 右邊的圓形和菱形
    color_discrete_map={"Joly":"blue",
                        "Bergeron":"green",
                        "Coderre":"red"}   # 改變默認顏色
)
3D線型圖
px.line_3d(
  election,  # 繪圖數據集
  x="Joly",  # 3個坐標軸
  y="Coderre",
  z="Bergeron",
  color="winner",  # 顏色和線型設置
  line_dash="winner"
)
基於地圖的圖形
基於choropleth分布的地圖：
px.choropleth(
  gapminder,  # 數據
  locations="iso_alpha",  # 簡稱
  color="lifeExp",  # 顏色取值
  hover_name="country",  # 懸停數據
  animation_frame="year",  # 播放按鈕設置
  color_continuous_scale=px.colors.sequential.Plasma,  # 顏色變化取值
  projection="natural earth"  # 使用的地圖設置
) 
基於line_geo線型地圖：
px.line_geo(
  gapminder_2002,
  locations="iso_alpha",
  color="continent",
  projection="orthographic")
矩陣式樹狀結構圖
矩陣式樹狀結構圖是一種用於分層數據的複雜、基於區域的數據展示圖形：
# 選取2002年數據
gapminder_2002 = gapminder[gapminder["year"] == 2002]

px.treemap(
    gapminder_2002, # 數據
    path=[px.Constant('world'), 'continent', 'country'],   # 繪圖路徑：world---continent---country
    values='pop',  # 數據取值
    color='pop',   # 顏色取值
    hover_data=['iso_alpha'])  # 顯示數據：國家簡稱
散點極坐標圖
px.scatter_polar(  # 散點極坐標
    wind,  #  數據集
    r="frequency",  # 半徑
    theta="direction",   # 角度
    color="strength",  # 顏色
    symbol="strength",  # 符號
    color_discrete_sequence=px.colors.sequential.Plasma_r)  # 顏色
線性極坐標圖
px.line_polar(  # 線性極坐標
    wind,  # 數據集
    r="frequency",  # 半徑
    theta="direction",  # 角度
    color="strength",  # 顏色
    line_close=True,  # 線性閉合
    color_discrete_sequence=px.colors.sequential.Plasma_r)  # 顏色
柱狀極坐標圖
px.bar_polar(   # 柱狀圖極坐標圖
    wind,   # 數據集
    r="frequency",   # 半徑
    theta="direction",  # 角度
    color="strength",  # 顏色
    template="plotly_dark",  # 主題
    color_discrete_sequence=px.colors.sequential.Plasma_r)  # 顏色
內置主題
Plotly_Express內置了3種主題可供選擇：
px.scatter(gapminder_2002,   # 傳入的數據集
           x="gdpPercap",  # 橫坐標是人均GDP
           y="lifeExp",  # 縱坐標是平均壽命
           color="continent",  # 顏色取值：根據洲的值來取
           
           template="plotly"  # 分別主題設置為：plotly、plotly_dark
          )
總結
本文詳細介紹了一個新的高級可視化庫Plotly_Express，從其簡介、安裝、內置的顏色面板、主題到各種圖形的繪製。
這個庫最大的特點：代碼量非常少，圖形種類全，基本上一行代碼就能繪製出非常精美的動態可視化圖形。以後會介紹更多關於plotly_express的使用文章，特別是plotly和dash的結合，更是無比強大。敬請期待！