日本综合一区二区|亚洲中文天堂综合|日韩欧美自拍一区|男女精品天堂一区|欧美自拍第6页亚洲成人精品一区|亚洲黄色天堂一区二区成人|超碰91偷拍第一页|日韩av夜夜嗨中文字幕|久久蜜综合视频官网|精美人妻一区二区三区

 很多時候，一張炫酷圖就足以勝過千言萬語。對于數(shù)學(xué)科學(xué)家來說，當(dāng)想闡述自己的觀點、勞動成果時，我們需要直接有效的溝通。單調(diào)乏味的文本和數(shù)字，很難抓住別人的眼球，飄飄亮亮的可視化動態(tài)圖是必不可少的，至少是一個加分項。

目前創(chuàng)新互聯(lián)建站已為上千的企業(yè)提供了網(wǎng)站建設(shè)、域名、虛擬空間、網(wǎng)站托管、服務(wù)器租用、企業(yè)網(wǎng)站設(shè)計、利川網(wǎng)站維護等服務(wù)，公司將堅持客戶導(dǎo)向、應(yīng)用為本的策略，正道將秉承"和諧、參與、激情"的文化，與客戶和合作伙伴齊心協(xié)力一起成長，共同發(fā)展。

本文將基于Python的Plotly圖形庫，介紹幾種工作中常用的動畫圖和交互式圖標(biāo)。在使用之前看一下是否安裝了 Plotly。

1. 朝陽圖

層次結(jié)構(gòu)數(shù)據(jù)通常存儲為矩形數(shù)據(jù)框，其中不同的列對應(yīng)于層次結(jié)構(gòu)的不同級別。px.sunburst可以采用path與列列表相對應(yīng)的參數(shù)。請注意，如果給出id，則parent不應(yīng)提供path。

 
 
 
 

  
  
  
  
import plotly.express as px
  
  
  
  
df = px.data.tips()
  
  
  
  
fig = px.sunburst(df, path=['day', 'time', 'sex'], values='total_bill')
  
  
  
  
fig.show()
 
 
 
 

2. ?；鶊D

桑基圖通過定義可視化到流動的貢獻源來表示源節(jié)點，目標(biāo)為目標(biāo)節(jié)點，數(shù)值以設(shè)置流volum，和標(biāo)簽，顯示了節(jié)點名稱,在流量分析中常用。

 
 
 
 

  
  
  
  
import plotly.graph_objects as go
  
  
  
  
import urllib, json
  
  
  
  

  
  
  
  
url = 'https://raw.githubusercontent.com/plotly/plotly.js/master/test/image/mocks/sankey_energy.json'
  
  
  
  
response = urllib.request.urlopen(url)
  
  
  
  
data = json.loads(response.read())
  
  
  
  

  
  
  
  
# override gray link colors with 'source' colors
  
  
  
  
opacity = 0.4
  
  
  
  
# change 'magenta' to its 'rgba' value to add opacity
  
  
  
  
data['data'][0]['node']['color'] = ['rgba(255,0,255, 0.8)' if color == "magenta" else color for color in data['data'][0]['node']['color']]
  
  
  
  
data['data'][0]['link']['color'] = [data['data'][0]['node']['color'][src].replace("0.8", str(opacity))
  
  
  
  
                                    for src in data['data'][0]['link']['source']]
  
  
  
  

  
  
  
  
fig = go.Figure(data=[go.Sankey(
  
  
  
  
    valueformat = ".0f",
  
  
  
  
    valuesuffix = "TWh",
  
  
  
  
    # Define nodes
  
  
  
  
    node = dict(
  
  
  
  
      pad = 15,
  
  
  
  
      thickness = 15,
  
  
  
  
      line = dict(color = "black", width = 0.5),
  
  
  
  
      label =  data['data'][0]['node']['label'],
  
  
  
  
      color =  data['data'][0]['node']['color']
  
  
  
  
    ),
  
  
  
  
    # Add links
  
  
  
  
    link = dict(
  
  
  
  
      source =  data['data'][0]['link']['source'],
  
  
  
  
      target =  data['data'][0]['link']['target'],
  
  
  
  
      value =  data['data'][0]['link']['value'],
  
  
  
  
      label =  data['data'][0]['link']['label'],
  
  
  
  
      color =  data['data'][0]['link']['color']
  
  
  
  
))])
  
  
  
  

  
  
  
  
fig.update_layout(title_text="Energy forecast for 2050
Source: Department of Energy & Climate Change, Tom Counsell via 
  
  
  
  
                  font_size=10)
  
  
  
  
fig.show()
 
 
 
 

效果圖

3. 雷達圖

雷達圖(也稱為蜘蛛情節(jié)或情節(jié)星)顯示器在從中心軸始發(fā)表示定量變量的二維圖的形式多變量數(shù)據(jù)。軸的相對位置和角度通常是無用的。它等效于軸沿徑向排列的平行坐標(biāo)圖。

 
 
 
 

  
  
  
  
import plotly.graph_objects as go
  
  
  
  
import urllib, json
  
  
  
  

  
  
  
  
url = 'https://raw.githubusercontent.com/plotly/plotly.js/master/test/image/mocks/sankey_energy.json'
  
  
  
  
response = urllib.request.urlopen(url)
  
  
  
  
data = json.loads(response.read())
  
  
  
  

  
  
  
  
# override gray link colors with 'source' colors
  
  
  
  
opacity = 0.4
  
  
  
  
# change 'magenta' to its 'rgba' value to add opacity
  
  
  
  
data['data'][0]['node']['color'] = ['rgba(255,0,255, 0.8)' if color == "magenta" else color for color in data['data'][0]['node']['color']]
  
  
  
  
data['data'][0]['link']['color'] = [data['data'][0]['node']['color'][src].replace("0.8", str(opacity))
  
  
  
  
                                    for src in data['data'][0]['link']['source']]
  
  
  
  

  
  
  
  
fig = go.Figure(data=[go.Sankey(
  
  
  
  
    valueformat = ".0f",
  
  
  
  
    valuesuffix = "TWh",
  
  
  
  
    # Define nodes
  
  
  
  
    node = dict(
  
  
  
  
      pad = 15,
  
  
  
  
      thickness = 15,
  
  
  
  
      line = dict(color = "black", width = 0.5),
  
  
  
  
      label =  data['data'][0]['node']['label'],
  
  
  
  
      color =  data['data'][0]['node']['color']
  
  
  
  
    ),
  
  
  
  
    # Add links
  
  
  
  
    link = dict(
  
  
  
  
      source =  data['data'][0]['link']['source'],
  
  
  
  
      target =  data['data'][0]['link']['target'],
  
  
  
  
      value =  data['data'][0]['link']['value'],
  
  
  
  
      label =  data['data'][0]['link']['label'],
  
  
  
  
      color =  data['data'][0]['link']['color']
  
  
  
  
))])
  
  
  
  

  
  
  
  
fig.update_layout(title_text="Energy forecast for 2050
Source: Department of Energy & Climate Change, Tom Counsell via 
  
  
  
  
                  font_size=10)
  
  
  
  
fig.show()
 
 
 
 

效果圖

4. 漏斗圖

漏斗圖通常用于表示業(yè)務(wù)流程不同階段的數(shù)據(jù)。在商業(yè)智能中，這是識別流程潛在問題區(qū)域的重要機制。例如，它用于觀察銷售過程中每個階段的收入或損失，并顯示逐漸減小的值。每個階段均以占所有值的百分比表示。

 
 
 
 

  
  
  
  
from plotly import graph_objects as go
  
  
  
  

  
  
  
  
fig = go.Figure()
  
  
  
  

  
  
  
  
fig.add_trace(go.Funnel(
  
  
  
  
    name = 'Montreal',
  
  
  
  
    y = ["Website visit", "Downloads", "Potential customers", "Requested price"],
  
  
  
  
    x = [120, 60, 30, 20],
  
  
  
  
    textinfo = "value+percent initial"))
  
  
  
  

  
  
  
  
fig.add_trace(go.Funnel(
  
  
  
  
    name = 'Toronto',
  
  
  
  
    orientation = "h",
  
  
  
  
    y = ["Website visit", "Downloads", "Potential customers", "Requested price", "invoice sent"],
  
  
  
  
    x = [100, 60, 40, 30, 20],
  
  
  
  
    textposition = "inside",
  
  
  
  
    textinfo = "value+percent previous"))
  
  
  
  

  
  
  
  
fig.add_trace(go.Funnel(
  
  
  
  
    name = 'Vancouver',
  
  
  
  
    orientation = "h",
  
  
  
  
    y = ["Website visit", "Downloads", "Potential customers", "Requested price", "invoice sent", "Finalized"],
  
  
  
  
    x = [90, 70, 50, 30, 10, 5],
  
  
  
  
    textposition = "outside",
  
  
  
  
    textinfo = "value+percent total"))
  
  
  
  

  
  
  
  
fig.show()
 
 
 
 

效果圖

5. 3D表面圖

具有輪廓的曲面圖，使用contours屬性顯示和自定義每個軸的輪廓數(shù)據(jù)。

 
 
 
 

  
  
  
  
import plotly.graph_objects as go
  
  
  
  

  
  
  
  
import pandas as pd
  
  
  
  

  
  
  
  
# Read data from a csv
  
  
  
  
z_data = pd.read_csv('https://raw.githubusercontent.com/plotly/datasets/master/api_docs/mt_bruno_elevation.csv')
  
  
  
  

  
  
  
  
fig = go.Figure(data=[go.Surface(z=z_data.values)])
  
  
  
  
fig.update_traces(contours_z=dict(show=True, usecolormap=True,
  
  
  
  
                                  highlightcolor="limegreen", project_z=True))
  
  
  
  
fig.update_layout(title='Mt Bruno Elevation', autosize=False,
  
  
  
  
                  scene_camera_eye=dict(x=1.87, y=0.88, z=-0.64),
  
  
  
  
                  width=500, height=500,
  
  
  
  
                  margin=dict(l=65, r=50, b=65, t=90)
  
  
  
  
)
  
  
  
  

  
  
  
  
fig.show()
 
 
 
 

6. 動畫圖

一些Plotly Express函數(shù)支持通過animation_frame和animation_group參數(shù)創(chuàng)建動畫人物。這是使用Plotly Express創(chuàng)建的動畫散點圖的示例。請注意，您應(yīng)始終修復(fù)x_range和，y_range以確保您的數(shù)據(jù)在整個動畫中始終可見。

 
 
 
 

  
  
  
  
import plotly.express as px
  
  
  
  
df = px.data.gapminder()
  
  
  
  
px.scatter(df, x="gdpPercap", y="lifeExp", animation_frame="year", animation_group="country",
  
  
  
  
           size="pop", color="continent", hover_name="country",
  
  
  
  
           log_x=True, size_max=55, range_x=[100,100000], range_y=[25,90])
 
 
 
 

結(jié)論

可視化的圖形在日常工作中經(jīng)常實用，其中Plotly是用過的體驗比較好的，本篇文章分享給大家一些案例，Plotly可視化遠(yuǎn)不止這些，在后續(xù)的文章中，涉及可視化部分的，將介紹更多酷炫的可視化圖形，喜歡點個在看分享，收藏以備不時之需。

當(dāng)前名稱：一文學(xué)會制作6種炫酷的Python動態(tài)圖
文章轉(zhuǎn)載：http://www.dlmjj.cn/article/cdjdigp.html