Python可視化神器——Plotly詳細教程

2021-02-20 機器學習與python集中營

width：int型，控制圖像的像素寬度，默認為700

　　height：int型，控制圖像的像素高度，默認為450

　　margin：字典型輸入，控制圖像邊界的寬度，其主要鍵如下：

　　　　l：int型，控制圖像距離左邊界的留白區域像素寬度，默認為80

　　　　r：int型，控制圖像距離右邊界的留白區域像素寬度，默認為80

　　　　t：int型，控制圖像距離上邊界的留白區域像素寬度，默認為100

　　　　b：int型，控制圖像距離下邊界的留白區域像素寬度，默認為80

　　　　pad：int型，控制坐標軸與圖像區域的像素距離，默認為0

　　paper_bgcolor：str型，傳入十六進位色彩，控制圖床的顏色

　　plot_bgcolor：str型，傳入十六進位色彩，控制繪圖區域的顏色

　　hidesources：bool型，控制是否在圖像的右下角標記來源link

　　hovermode：str型或False，用於設置懸停交互的方式，有'x'、'y'、'closest'和False這幾個可選項，False表示無懸停交互方式

　　hoverlabel：字典型輸入，用於控制懸停時出現的信息框的各屬性，主要鍵如下：

　　　　bgcolor：str型，傳入十六進位色彩，控制信息框的背景色

　　　　bordercolor：str型，傳入十六進位色彩，控制信息框邊框的顏色

　　　　font：字典型，控制信息框中字體的各屬性，其主要鍵如下：

　　　　　　family：同之前，控制字體

　　　　　　size：int型，控制字體大小，默認13

　　　　　　color：str型，傳入十六進位色彩，控制字體顏色

　　　　namelength：int型，控制對信息框中顯示的對應trace的名字的長度限制，建議設置為-1，即全部顯示，默認為15，即對於長於15的trace只顯示前15個字符

　　grid：字典型，控制一頁多圖（subplots）時的規劃多個圖的網格的屬性，其常用鍵如下：

　　　　rows：int型，控制網格中的行數（放置笛卡爾坐標系類型的子圖），也可以設置多於實際繪圖需求的行數以達到留白的目的

　　　　roworder：str型，設置子圖按行，是從下往上疊加還是從上往下疊加，對應'top to bottom'和'bottom to top'，默認為'top to bottm'，注意，只可以設置行的疊加順序，列方向上的疊加順序始終為從左往右

　　　　columns：int型，同rows，控制網格的列數

　　　　pattern：str型，用於控制一頁多圖中子圖之間坐標軸的共享情況，'coupled'表示每一列共享同一個x軸，每一行共享一個y軸，'independent'表示每個子圖xy軸獨立（這在進行量綱相差較大的子圖的繪製尤為有用）

　　　　xgap：float型，0.0-1.0之間，用於控制子圖之間的水平空白區域寬度佔一個子圖寬度的百分比

　　　　ygap：同xgap，控制豎直方向上子圖之間的寬度

　　　　domain：字典型，設置一頁多圖時，子圖佔據的區域距離上下左右邊界的寬度情況，其主要鍵如下：

　　　　　　x：list型，格式為[x1,x2]，x1控制子圖區域左端與圖床左端的距離，x2控制子圖區域右端與圖床左端的距離，x1、x2都代表百分比，在0.0-1.0之間取值

　　　　　　y：同x，控制子圖區域上下端分別與圖床上端的距離百分比

　　以上就是plotly的繪圖基礎部分，如有筆誤，望指出。

*這裡提供一個十六進位顏色對照表以輔助調色


相關焦點

  • Python可視化神器-Plotly動畫展示
    在之前的一篇文章Python可視化神器-Plotly展現了可視化神器-Plotly的基本使用,接下來繼續本著學習的姿態繼續探索可視化神器-Plotly的神奇之旅。可視化神器 Plotly_Express 詳解Plotly 是新一代的數據可視化神器，TopQ量化開源團隊，雖然plotly功能強大，卻一直沒有得到廣泛應用，大部分py開發人員，還在使用陳舊的matplotlib，其中最重要的原因，就是plotly的設置過於繁瑣。為此，plotly推出了其簡化接口：Plotly Express，簡稱：px。
  • 助力決策,可視化神器plotly
    ，pyecharts，這裡介紹的是plotly，一個功能強大的可視化庫，應該很多人也都知道它，可以結合matplotlib和pandas做更多豐富和可交互的可視化，比較類似Java的echart。plotly基於plotly.js開源開發，可視化圖像庫基於JavaScript語言，是可以json對應表示的圖像figure，可直接在HTML表示；https://github.com/plotly/plotly.js/fig = {    "data":[{'type': 'bar',            'x': [1,2,3],
  • 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。
  • 為什麼plotly被稱為「有史以來最牛逼」可視化神器?
    ，曾被網友稱為「有史以來最牛逼」可視化神器（具體無從考據，只是在搜索資料時看到的），為何有如此稱號？接下來筆者對plotly的一些隱藏功能進行介紹，並部分以python的使用來簡單說明。（一）關於Plotly的功能關於Plotly的功能介紹，有的從圖表類型上：基本圖表：20種；統計和海運方式圖：12種；科學圖表：21種；財務圖表：2種；地圖：8種；3D圖表：19種；擬合工具：3種；流動圖表：4種。。。。。
  • python簡單進階之數據可視化:Plotly Express使用教程
    說起數據可視化，大多數人第一反應是matplotlib，我以前也嘗試過。但是，一方面是matplotlib設置稍微有點複雜，另一方面是它有點醜（也可能是我不會調），思來想去還不如直接用excel作圖呢，於是一直也沒有python作過圖。
  • Python可視化神器 Plotly Express 使用指南
    今天跟大家分享的是交互式可視化神器  Plotly Express 的詳細使用教程，即《Plotly
  • Python可視化 | Python可視化進階必備 - plotly
    一、簡介Plotly是一個非常著名且強大的開源數據可視化框架，它通過構建基於瀏覽器顯示的web形式的可交互圖表來展示信息，可創建多達數十種精美的圖表和地圖，本文就將以jupyter notebook為開發工具，詳細介紹Plotly的基礎內容。
  • 快速提高Python數據分析速度的八個技巧
    這個神器我們在之前的文章中就詳細講過，使用Pandas  Profiling可以在進行數據分析之前對數據進行快速預覽，拿我們使用過很多次的NBA數據集來說，導入數據集之後import pandas as pdimport pandas_profiling
  • 【Python教程】pypal數據可視化
    實例五可視化展示世界人口地圖（處理json數據） 需要用到人口數據 population.json, 它是json數據表示的。在鯨魚的源碼倉庫 data文件夾可以找到 q=language:python&sort=stars'response = requests.get(url)print(response.status_code, '響應成功！')
  • 【Python教程】pygal數據可視化
    重要說明我們盡力保證課程內容的質量以及學習難度的合理性所以，我們列出的參考資料未必是實現需求所必須的。有的時候，實現題目的要求很簡單，甚至參考資料裡就有，但是背後的思考和親手去實踐卻是任務最關鍵的一部分。在學習這些資料時，要多思考，多提問，多質疑。相信通過和小夥伴們的交流，能讓你的學習事半功倍。
  • python:pandas入門詳細教程
    前面介紹了numpy的入門基本知識，今天本文要對pandas進行入門詳細介紹
  • python數據科學系列:pandas入門詳細教程
    pandas，python+data+analysis的組合縮寫，是python中基於numpy和matplotlib的第三方數據分析庫，與後兩者共同構成了python數據分析的基礎工具包，享有數分三劍客之名。
  • python繪圖 | 氣象雷達入門級講解&多種雷達圖像可視化方法
    使用python讀取CINRAD雷達數據一般而言，我們需要使用pyart或wradlib,甚至直接按照雷達數據格式讀取二進位文件PPI,Sectionfrom mayavi import mlabimport numpy as npimport matplotlib.pyplot as pltfrom matplotlib import cmfrom mpl_toolkits.mplot3d import Axes3Dimport pandas as pdimport plotly.express
  • Python繪製地圖神器,上手直接開大!
    之前給大家介紹過多種Python可視化模塊，但使用他們進行地理可視化都很簡陋。所以想要繪製更精美的可視化地圖？想在地圖上自由的設置各種參數？想獲得靈活的交互體驗？今天它就來了，Python繪製地圖神器folium，上手直接開大！一、folium簡介和安裝folium 建立在 Python 生態系統的數據應用能力和 Leaflet.js 庫的映射能力之上，在Python中操作數據，然後通過 folium 在 Leaflet 地圖中可視化。
  • PyTorch 深度學習訓練可視化工具 visdom
    除了Torch版本的TensorBoard工具TensorBoardX之外，Torch官方也提供了一款非常好用的可視化神器——visdom。visdom是一款用於創建、組織和共享實時大量訓練數據可視化的靈活工具。
  • Linux系統Python配置MySQL詳細教程
    Linux系統自帶Python，且根據系統自帶資源來對python配置mysql；安裝需要已配置好正確的yum源；在python未配置mysql的情形下，直接import MySQLdb的提示如下Linux系統中沒有mysql-python的rpm安裝包，這個資源需要從網上下載：目前主流使用Python2.6或Python2.7版本，下載為 MySQL-python-1.2.3c1.tar.gz
  • 神器 VS Code,超詳細Python配置使用指南
    神器 VS Code，超詳細Python配置使用指南大家好，我是 Lemon。VS Code 官網02 在終端運行程序在沒有安裝其他 Python 插件的情況下，可以在 VS Code 中通過使用終端 （Terminal）直接運行 python
  • 推薦一款科研必備的Python數據可視化神器——PyQtGraph
    PyQtGraphPyQtGraph是一個純python
  • Pandas入門詳細教程
    作者：luanhz來源：小數志本文主要是對pandas進行入門詳細介紹
  • Python 繪製地圖神器,上手直接開大!
    之前給大家介紹過多種Python可視化模塊，但使用他們進行地理可視化都很簡陋。所以想要繪製更精美的可視化地圖？想在地圖上自由的設置各種參數？想獲得靈活的交互體驗？今天它就來了，Python繪製地圖神器folium，上手直接開大！一、folium簡介和安裝folium 建立在 Python 生態系統的數據應用能力和 Leaflet.js 庫的映射能力之上，在Python中操作數據，然後通過 folium 在 Leaflet 地圖中可視化。