python plot画图,python从小白到大牛

大人物看了这里就能走了。 zgdds可以继续阅读。 这篇文章只是【plotly】的入门水平

注意：本文使用了脱机版的plotly。 没有使用在线版，而是直接在pycharm上运行。

入门篇plotly安装` plotly `部署` plotly `模块example1` scatter ` example2` bar ` example3` histogram ` example4` express `

plotly pip install plotly导入plotly模块importplotly.graph _ objectsasgoimportplotly.offlineasof #如何导入此脱机模式import

用Scatter方式绘制折线图：

data=PD.read _ CSV (r ' c : (users ) administrator ) desktop(data(NZ_weather.CSV ) ) print ) data.heata name='Auckland']#name是各行的名称line2=go.scatter (y=data [ ' Wellington ' ]，x=data['data] line2] ) fig . xaxis_title='DATE '，用于定义生成的plot的标题， #x坐标名称yaxis_title='Weather'# 定义y坐标名称(of.plot ) fig )的使用数据： dateaucklandchristchurchdunedinhamiltonwellington 02000-01115.447.2174.896.22000 00-04106.858.250129.6109.842000-05128.262.0 '-98.278.2

example2 Bar通过Bar绘制条形图：

因为有很多# Bar #数据，所以将一年的数据作为样本，以data_2010=data[(data ) (date ) (2010-01 ) data ) ) 2011-01 ) text=data_2010['Auckland']、textposition='outside '、name=' Auckland ' ] # baand x=data _ 2010 [ ' date ' ] textposition='outside '，name='Wellington ' ) name与上述Scatter一样，为fig=go.figure([bar1，bar2] ) fig.update _ update

注解图：

example3 Histogram Histogram计算一列中数据的次数。

# histogram hist1=go.histogram (x=data (Auckland )、xbins )、(size ) :10 )、name=(Auckland ) )、xbins=统计数据

e([hist1, hist2])fig.update_layout( title = 'New Zealand Weather', xaxis_title = 'Weather', yaxis_title = 'count', bargap = 0.1, # 是柱与柱之间存在空隙)of.plot(fig)

example4 Express

Express 是一种更方便的制作图表的方法：

导入Express
import plotly.express as px使用Express 来完成example1的方法： # plotly.expressimport plotly.express as pxdata = pd.read_csv(r'C:UsersAdministratorDesktopdatairis.csv')fig = px.scatter(data, x='SepalLength', y='SepalWidth', color='Name', ) of.plot(fig) 使用的数据：鸢尾花数据集 SepalLength SepalWidth PetalLength PetalWidth Name0 5.1 3.5 1.4 0.2 Iris-setosa1 4.9 3.0 1.4 0.2 Iris-setosa2 4.7 3.2 1.3 0.2 Iris-setosa3 4.6 3.1 1.5 0.2 Iris-setosa4 5.0 3.6 1.4 0.2 Iris-setosa

example5 pie

通过Express方法生成饼图:

data = pd.read_csv(r'C:UsersAdministratorDesktopdatapie-charts-with-excel.csv')print(data.head())fig = px.pie(data, names=data['Label'], values=data['Values'], title='pie-charts-with-excel',)of.plot(fig) 使用数据： Unnamed: 0 Label Values0 0 ZDS.FY 701 1 RPF.JV 202 2 ACC.UM 173 3 NCY.LC 764 4 EIK.JE 99

example6 3D 普通方法生成3D plot # 3Ddata1 = pd.read_csv(r'C:UsersAdministratorDesktopdata3d-line1.csv')#print(data1.head())line1 = go.Scatter3d(x=data1['x'], y=data1['y'], z=data1['z'], mode='markers', marker={'size': 3, 'color': data1['color']})fig4 = go.Figure(line1)of.plot(fig4) Express方法生成3D plot fig5 = px.scatter_3d(data1, x='x', y='y', z='z', color='color')of.plot(fig5) 使用数据： x y z color0 100.000000 0.613222 0.734706 01 99.238875 0.589852 0.781320 02 99.559608 0.599743 0.762566 03 97.931425 0.549296 0.859966 04 96.837832 0.515613 0.927150 0

example7 Densitymapbox

生成地图数据：

data = pd.read_csv(r'C:UsersAdministratorDesktopdataearthquakes.csv')# print(data.head())my_map = go.Densitymapbox(lat=data['Latitude'], lon=data['Longitude'], z=data['Magnitude'], radius=4)fig = go.Figure(my_map)fig.update_layout(mapbox_style='open-street-map') #必须有这个地图参数 #可以使用的免费地图："open-street-map", "carto-positron", "carto-darkmatter", "stamen-terrain", "stamen-toner" or "stamen-watercolor"of.plot(fig) 使用数据： Date Latitude Longitude Magnitude0 01/02/1965 19.246 145.616 6.01 01/04/1965 1.863 127.352 5.82 01/05/1965 -20.579 -173.972 6.23 01/08/1965 -59.076 -23.557 5.84 01/09/1965 11.938 126.427 5.8

plotly官方文档：

https://plotly.com/python/

结束语：
1.所有的数据都可以在plotly官方的github上找到。
2.如果我有什么讲得不好的地方欢迎大佬指点评论
3.原文链接https://blog.csdn.net/weixin_43347550/article/details/106163458