Plotly（二）基本图形(1)：点图

Plotly Express 简介

Plotly Express是Plotly的一个易于使用的高级接口，它对各种类型的数据进行操作并生成易于设置样式的图形。

相比而言，Plotly Express使用效率更高，定制化参数较少。权衡学习成本，分享接下来更侧重于使用通用模块Graph_objects。

仅就Plotly Express举一个小例子：

import plotly.express as px
df = px.data.iris()
fig = px.scatter(df, x="sepal_width", y="sepal_length", color="species",
                 size='petal_length', hover_data=['petal_width'])
fig.show()

2-1.jpg

为了提高学习效率，后面的分享将忽略express部分的介绍

graph objects

2.1 基本的点图

与Express接口相比，graph_objects通用端口通过mode参数来区分点图('mode=markers')、线图('mode=lines'，默认)

import plotly.graph_objects as go
import numpy as np

N = 1000
t = np.linspace(0, 10, 100)
y = np.sin(t)

fig = go.Figure(data=go.Scatter(x=t, y=y, mode='markers'))

fig.show()

2-2.jpg

下面通过numpy产生随机数据，展示了mode控制的点图和线图，以及点线图混合模式：

需要说明的是，下面代码运用了先实例化go.Figure()对象，再通过add_trace()方法添加图形信息

import plotly.graph_objects as go

# Create random data with numpy
import numpy as np
np.random.seed(1)

N = 100
random_x = np.linspace(0, 1, N)
random_y0 = np.random.randn(N) + 5
random_y1 = np.random.randn(N)
random_y2 = np.random.randn(N) - 5

fig = go.Figure()

# Add traces
fig.add_trace(go.Scatter(x=random_x, y=random_y0,
                    mode='markers',
                    name='markers'))
fig.add_trace(go.Scatter(x=random_x, y=random_y1,
                    mode='lines+markers',
                    name='lines+markers'))
fig.add_trace(go.Scatter(x=random_x, y=random_y2,
                    mode='lines',
                    name='lines'))

fig.show()

2-3.jpg

2.2 气泡图

气泡图是点图的一个重要延伸，通过对气泡大小的控制，实现对第三个维度数据的体现（一般通过点的大小）。

通过颜色的渐变定义，更可以通过颜色展示第四个维度的数据，后面会有例子

气泡图的一个简单例子：

import plotly.graph_objects as go

fig = go.Figure(data=go.Scatter(
    x=[1, 2, 3, 4],
    y=[10, 11, 12, 13],
    mode='markers',
    marker=dict(size=[40, 60, 80, 100],
                color=[0, 1, 2, 3])
))

fig.show()

2-4.jpg

上述例子中在mode指定markers后，marker的核心参数（需传入字典）为：

• size 大小
• color 颜色，亦可以用'rgb(93, 164, 214)'表示；
• opacity 不透明度，0-1.0，其中1.0为完全不透明；

import plotly.graph_objects as go

fig = go.Figure(data=[go.Scatter(
    x=[1, 2, 3, 4], y=[10, 11, 12, 13],
    mode='markers',
    marker=dict(
        color=['rgb(93, 164, 214)', 'rgb(255, 144, 14)',
               'rgb(44, 160, 101)', 'rgb(255, 65, 54)'],
        opacity=[1, 0.8, 0.6, 0.4],
        size=[40, 60, 80, 100],
    )
)])

fig.show()

2-5.jpg

若要缩放气泡大小，可以使用属性sizeref，sizeref如果设置为小于1，则会增加渲染标记的大小；反之sizeref如果设置为大于1，则会减少渲染标记的大小。

为了显示效果适宜，官方推荐sizeref参数使用：2. * size中实际的最大值 / (预期的size最大值大小 ** 2) 进行指定。

import plotly.graph_objects as go

size = [20, 40, 60, 80, 100, 80, 60, 40, 20, 40]
fig = go.Figure(data=[go.Scatter(
    x=[1, 2, 3, 4, 5, 6, 7, 8, 9, 10],
    y=[11, 12, 10, 11, 12, 11, 12, 13, 12, 11],
    mode='markers',
    marker=dict(
        size=size,
        sizemode='area',
        sizeref=2.*max(size)/(40.**2),
        sizemin=4
    )
)])

fig.show()

2-6.jpg

这里特别关注，必须设置 sizemode='area' 以上配置规律才能展示预期效果，否则会出现奇怪的结果。

sizemin参数顾名思义，与sizeref配套使用，对气泡的大小范围进行控制。

与其他图形类似，在图形中可以加入text参数调整鼠标移动至图形上时显示的内容：

import plotly.graph_objects as go

fig = go.Figure(data=[go.Scatter(
    x=[1, 2, 3, 4], y=[10, 11, 12, 13],
    text=['A
size: 40', 'B
size: 60', 'C
size: 80', 'D
size: 100'],
    mode='markers',
    marker=dict(
        color=['rgb(93, 164, 214)', 'rgb(255, 144, 14)',  'rgb(44, 160, 101)', 'rgb(255, 65, 54)'],
        size=[40, 60, 80, 100],
    )
)])

fig.show()

2-7.jpg

通过加入showscale显示右边颜色指示条

但是颜色的变化必须是渐变的，否则颜色指示条会显示异常

import plotly.graph_objects as go

fig = go.Figure(data=[go.Scatter(
    x=[1, 3.2, 5.4, 7.6, 9.8, 12.5],
    y=[1, 3.2, 5.4, 7.6, 9.8, 12.5],
    mode='markers',
    marker=dict(
        color=[120, 125, 130, 135, 140, 145],
        size=[15, 30, 55, 70, 90, 110],
        showscale=True
        )
)])

fig.show()

2-8.jpg

import plotly.express as px
import plotly.graph_objects as go
import pandas as pd
import math

# Load data, define hover text and bubble size
data = px.data.gapminder()
df_2007 = data[data['year']==2007]
df_2007 = df_2007.sort_values(['continent', 'country'])

hover_text = []
bubble_size = []

for index, row in df_2007.iterrows():
    hover_text.append(('Country: {country}
'+
                      'Life Expectancy: {lifeExp}
'+
                      'GDP per capita: {gdp}
'+
                      'Population: {pop}
'+
                      'Year: {year}').format(country=row['country'],
                                            lifeExp=row['lifeExp'],
                                            gdp=row['gdpPercap'],
                                            pop=row['pop'],
                                            year=row['year']))
    bubble_size.append(math.sqrt(row['pop']))

df_2007['text'] = hover_text
df_2007['size'] = bubble_size
sizeref = 2.*max(df_2007['size'])/(100**2)

# Dictionary with dataframes for each continent
continent_names = ['Africa', 'Americas', 'Asia', 'Europe', 'Oceania']
continent_data = {continent:df_2007.query("continent == '%s'" %continent)
                              for continent in continent_names}

# Create figure
fig = go.Figure()

for continent_name, continent in continent_data.items():
    fig.add_trace(go.Scatter(
        x=continent['gdpPercap'], y=continent['lifeExp'],
        name=continent_name, text=continent['text'],
        marker_size=continent['size'],
        ))

# Tune marker appearance and layout
fig.update_traces(mode='markers', marker=dict(sizemode='area',
                                              sizeref=sizeref, line_width=2))

fig.update_layout(
    title='Life Expectancy v. Per Capita GDP, 2007',
    xaxis=dict(
        title='GDP per capita (2000 dollars)',
        gridcolor='white',
        type='log',
        gridwidth=2,
    ),
    yaxis=dict(
        title='Life Expectancy (years)',
        gridcolor='white',
        gridwidth=2,
    ),
    paper_bgcolor='rgb(243, 243, 243)',
    plot_bgcolor='rgb(243, 243, 243)',
)
data.head()
fig.show()

2-9.jpg

2-10.jpg

官方给出的高阶气泡图实例

• 一次遍历，生成所需的'text'和'size'字段
• 二次遍历，针对每个大洲的数据进行绘制信息添加
• 添加通用的绘制信息
• 对绘制的样式进行调整

其中对整体面板的调整：'paper_bgcolor', 'plot_bgcolor' 背景色的设置；

其中对横竖坐标轴样式的调整：'gridcolor','gridwidth','type' 颜色、宽度和样式

2.3 点图的高阶样式

import plotly.graph_objects as go
import numpy as np


t = np.linspace(0, 10, 100)

fig = go.Figure()

fig.add_trace(go.Scatter(
    x=t, y=np.sin(t),
    name='sin',
    mode='markers',
    marker_color='rgba(152, 0, 0, .8)'
))

fig.add_trace(go.Scatter(
    x=t, y=np.cos(t),
    name='cos',
    marker_color='rgba(255, 182, 193, .9)'
))

# Set options common to all traces with fig.update_traces
fig.update_traces(mode='markers', marker_line_width=2, marker_size=10,
                 marker_opacity=0.9)
fig.update_layout(title='Styled Scatter',
                  yaxis_zeroline=False, xaxis_zeroline=False)


fig.show()

2-11.jpg

可以看出，marker_size/color/opacity=[]与marker=dict(size=[],color=[],opacity=[])在效果上是等价的。

下面的例子用来特别展示 text 参数的结果，和 marker_showscale 颜色标尺的显示

import plotly.graph_objects as go
import numpy as np

num = np.random.randn(500)

fig = go.Figure(data=go.Scatter(
    y = num,
    mode='markers',
    marker=dict(
        size=16,
        color=np.random.randn(500), #set color equal to a variable
        colorscale='Viridis', # one of plotly colorscales
        showscale=True,  # 显示颜色标尺
    ),
    text=[f"Value: {i}" for i in num],  # 显示文本内容
))

fig.show()

2-12.jpg

针对大数据量，可以用Scattergl()代替Scatter()来实现WebGL为了提高速度，提高交互性，以及绘制更多数据的能力！

import plotly.graph_objects as go
import numpy as np

N = 100000
r = np.random.uniform(0, 1, N)
theta = np.random.uniform(0, 2*np.pi, N)

fig = go.Figure(data=go.Scattergl(
    x = r * np.cos(theta), # non-uniform distribution
    y = r * np.sin(theta), # zoom to see more points at the center
    mode='markers',
    marker=dict(
        color=np.random.randn(N),
        colorscale='Viridis',
        line_width=1
    )
))

fig.show()

2-13.jpg