Python matplotlib plotly绘制图表详解

2024-09-27 14:20:10

一、整理数据

以300部电影作为数据源

import pandas as pd
cnboo=pd.read_excel("cnboNPPD1.xls")

cnboo

import seaborn as sns
import numpy as np
import matplotlib as mpl
from matplotlib import pyplot as plt
import pandas as pd
from datetime import datetime,timedelta
%matplotlib inline
plt.rcParams['font.sans-serif']=['SimHei'] # 用来正常显示中文标签
plt.rcParams['axes.unicode_minus']=False # 用来正常显示负号
from datetime import datetime

! pip install plotly # 安装
import matplotlib.pyplot as plt
import plotly
from plotly.offline import download_plotlyjs,init_notebook_mode,plot,iplot

x=cnboo['BO'].tolist()
y=cnboo['PERSONS'].tolist()
dict01={"x":x,"y":y}
dict01

二、折线图

# 折线图
iplot([dict01])

三、散点图

import plotly.graph_objs as go
iplot([go.Scatter(x=x,y=y,mode='markers')])

# 随机生成的点图
import numpy as np
iplot([go.Scatter(x=np.random.randn(100),y=np.random.randn(100),mode='markers')])

go

trace=go.Scatter(x=cnboo['PRICE'],y=y,mode='markers',)
data=[trace]
iplot(data)

trace=go.Scatter(x=cnboo['PRICE'],y=y,mode='markers',marker=dict(color='red',size=9,opacity=0.4))
data=[trace]
iplot(data)

四、饼图

colors=['#dc2624','#2b4750','#45a0a2','#e87a59','#7dcaa9','#649E7D','#dc8018',
       '#C89F91','#6c6d6c','#4f6268','#c7cccf']

filmtype=cnboo['TYPE']
filmbo=cnboo['PRICE']
trace=go.Pie(labels=filmtype,values=filmbo,
            hoverinfo='label+percent',textinfo='value',textfont=dict(size=10),
             marker=dict(colors=colors,line=dict(color='#000000',width=3)))
data=[trace]

iplot(data)

filmtype=cnboo['TYPE']
filmbo=cnboo['PRICE']
trace=go.Pie(labels=filmtype,values=filmbo,
            hoverinfo='label+percent',textinfo='value',textfont=dict(size=12),
             marker=dict(colors=colors))
data=[trace]
iplot(data)

五、柱形图

# plotly bar
trace1=go.Bar(x=cnboo['TYPE'],y=cnboo['PRICE'],name="类型与票价")
trace2=go.Bar(x=cnboo['TYPE'],y=y,name="类型与人数")
layout=go.Layout(title="中国电影类型与票价，人数的关系",xaxis=dict(title='电影类型'))
data=[trace1,trace2]
fig=go.Figure(data,layout=layout)
iplot(fig)

六、点图（设置多个go对象）

trace1=go.Scatter(x=cnboo['TYPE'],y=cnboo['PRICE'],name="类型与票价",mode="markers",
                  marker=dict(color="red",size=8))
trace2=go.Scatter(x=cnboo['TYPE'],y=cnboo['PERSONS'],name="类型与人数",mode="markers",
                  marker=dict(color="blue",size=5))
data=[trace1,trace2]
iplot(data)

trace1=go.Scatter(x=cnboo['TYPE'],y=cnboo['PRICE'],name="类型与票价",mode="markers",
                  marker=dict(color="red",size=8))
trace2=go.Scatter(x=cnboo['TYPE'],y=cnboo['PERSONS'],name="类型与人数",mode="markers",
                  marker=dict(color="blue",size=5))
layout=go.Layout(title="中国电影类型与票价，人数的关系",plot_bgcolor="#FFFFFF")
data=[trace1,trace2]
fig=go.Figure(data,layout=layout)
iplot(fig)

七、2D密度图

import plotly.figure_factory as ff

fig=ff.create_2d_density(x,y,colorscale=colors,hist_color='#dc2624',point_size=5)
iplot(fig,filename='评分与人次')

colorscale=['rgb(20, 38, 220)',
 'rgb(255, 255, 255)'] # 最后一个颜色都是调用背景

fig=ff.create_2d_density(x,y,colorscale=colorscale,hist_color='#dc2624',point_size=5)
iplot(fig,filename='评分与人次')

八、简单3D图

layout=go.Layout(title="中国电影票房与人次，票价的关系",barmode="group")

trace01=go.Scatter3d(
    x=cnboo['BO'],
    y=cnboo['PRICE'],
    z=cnboo['PERSONS'],
    mode='markers',
    marker=dict(size=12,color=colors,colorscale='Viridis',
               opacity=0.5,showscale=True)  #opacity是透明度
)

data=[trace01]
fig=go.Figure(data=data,layout=layout)
iplot(fig,filename='3d')

以上就是Python matplotlib plotly绘制图表详解的详细内容，更多关于Python matplotlib plotly的资料请关注我们其它相关文章！

Python matplotlib绘制实时数据动画

目录一.实时数据可视化的数据准备 01.设置图表主题样式 02使用样例数据二.使用电影票房数据制作动画一.实时数据可视化的数据准备 import pandas as pd import matplotlib.pyplot as plt # 设置一般的样例数据 x=[0,1,2,3,4] # x轴数据 y=[0,1,2,3,4] # y轴数据 # 设置多维数据 dev_x=[25,26,27,28,29,30] # 开发者的年龄 dev_y=[7567,8789,8900,11560,167
Python matplotlib实现折线图的绘制

目录一.版本二.图表主题设置三.一次函数四.多个一次函数五.填充折线图官网: https://matplotlib.org 一.版本 # 01 matplotlib安装情况 import matplotlib matplotlib.__version__ 二.图表主题设置请点击:图表主题设置三.一次函数 import numpy as np from matplotlib import pyplot as plt # 如何使用中文标题 plt.rcParams['font.san
Python使用Plotly绘制常见5种动态交互式图表

目录启动动画太阳图平行类别平行坐标图量表图和指示器数据可以帮助我们描述这个世界.阐释自己的想法和展示自己的成果,但如果只有单调乏味的文本和数字,我们却往往能难抓住观众的眼球.而很多时候,一张漂亮的可视化图表就足以胜过千言万语.本文将介绍 5 种基于 Plotly 的可视化方法,你会发现,原来可视化不仅可用直方图和箱形图,还能做得如此动态好看甚至可交互. 对数据科学家来说,讲故事是一个至关重要的技能.为了表达我们的思想并且说服别人,我们需要有效的沟通.而漂漂亮亮的可视化是完成这一任务
python plotly绘制直方图实例详解

计算数值出现的次数 import cufflinks as cf cf.go_offline() import numpy as np import pandas as pd set_slippage_avg_cost = [22.01, 20.98, 17.11, 9.06, 9.4, 3.65, 19.65, 7.01, 11.21, 10.3, 5.1, 23.98, 12.03, 8.13, 8.07, 9.28, 3.93, 4.23, 18.6, 8.22, 7.85, 5.39,
python基于plotly实现画饼状图代码实例

这篇文章主要介绍了python基于plotly实现画饼状图代码实例,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下代码 import pandas as pd import numpy as np import plotly.plotly as py import plotly.graph_objs as go path = '/home/v-gazh/PycharmProjects/us_data/limit_code.csv' df = p
python plotly画柱状图代码实例

这篇文章主要介绍了python plotly画柱状图代码实例,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下代码 import pandas as pd import numpy as np import plotly.plotly as py import plotly.graph_objs as go path = '/home/v-gazh/PycharmProjects/us_data/counts.csv' df = pd.read_
基于python plotly交互式图表大全

plotly可以制作交互式图表,直接上代码: import plotly.offline as py from plotly.graph_objs import Scatter, Layout import plotly.graph_objs as go py.init_notebook_mode(connected=True) import pandas as pd import numpy as np In [412]: #读取数据 df=pd.read_csv('seaborn.csv',
Python matplotlib实现多重图的绘制

目录 Python中插入图片绘制子图绘制1*2的子图绘制2*2的子图绘制不规则子图绘制图中代码 from matplotlib import pyplot as plt plt.style.use('fivethirtyeight') fig=plt.figure() ax=fig.add_subplot(1,1,1) plt.text(0.5,0.5,'Figure',ha='center',va='center',size=20,alpha=0.5) # 注:这里的0.5代表x,y
Python matplotlib plotly绘制图表详解

目录一.整理数据二.折线图三.散点图四.饼图五.柱形图六.点图(设置多个go对象) 七.2D密度图八.简单3D图一.整理数据以300部电影作为数据源 import pandas as pd cnboo=pd.read_excel("cnboNPPD1.xls") cnboo import seaborn as sns import numpy as np import matplotlib as mpl from matplotlib import pyplot as
Python利用plotly绘制正二十面体详解

目录顶点棱实现正二十面体 plotly 的 Python 软件包是一个开源的代码库,它基于 plot.js,而后者基于 d3.js.我们实际使用的则是一个对 plotly 进行封装的库,名叫 cufflinks,能让你更方便地使用 plotly 和 Pandas 数据表协同工作. 一言以蔽之,plotly是一款擅长交互的Python绘图库,下面就初步使用一下这个库的三维绘图功能.此前曾经用matplotlib画了正二十面体和足球:Python绘制正二十面体:画足球,这次用plotly复现一
Python利用Matplotlib绘制图表详解

目录前言折线图绘制与显示绘制数学函数图像散点图绘制绘制柱状图绘制直方图饼图前言 Matplotlib 是 Python 中类似 MATLAB 的绘图工具,如果您熟悉 MATLAB,那么可以很快的熟悉它. Matplotlib 提供了一套面向对象绘图的 API,它可以轻松地配合 Python GUI 工具包(比如 PyQt,WxPython.Tkinter)在应用程序中嵌入图形.与此同时,它也支持以脚本的形式在 Python.IPython Shell.Jupyter Notebo
Python Matplotlib 实现3D绘图详解

目录第一个三维绘图程序 3D散点图 3D等高线图 3D线框图 3D曲面图最初开发的 Matplotlib,仅支持绘制 2d 图形,后来随着版本的不断更新, Matplotlib 在二维绘图的基础上,构建了一部分较为实用的 3D 绘图程序包,比如 mpl_toolkits.mplot3d,通过调用该程序包一些接口可以绘制 3D散点图.3D曲面图.3D线框图等 mpl_toolkits 是 Matplotlib 的绘图工具包. 第一个三维绘图程序下面编写第一个三维绘图程序. 首先创建一个三维绘
Python matplotlib seaborn绘图教程详解

目录一.seaborn概述二.数据整理 01折线图 02柱形图 03直方图三.绘图 01设定调色盘 02柱状图 03技术图 04点图 05箱型图 06小提琴图一.seaborn概述 Seaborn是在matplotlib的基础上进行了更高级的API封装,从而使得作图更加容易,在大多数情况下使用seaborn就能做出很具有吸引力的图.详情请查阅官网:seaborn 二.数据整理 import seaborn as sns import numpy as np import matplotl
Python matplotlib 绘制散点图详解建议收藏

目录前言 1. 散点图概述什么是散点图? 散点图使用场景绘制散点图步骤案例展示 2. 散点图属性设置散点大小设置散点颜色设置散点样式设置透明度设置散点边框 3. 添加折线散点图 4. 多类型散点图 5. 颜色条散点图 6. 曲线散点图总结前言我们在matplotlib模块学习中,发现有常用的反映数据变化的折线图,对比数据类型差异的柱状图和反应数据频率分布情况的直方图. 其实在数据统计图表中,有一种图表是散列点分布在坐标中,反应数据随着自变量变化的趋势. 本期,我们将详细
Python+matplotlib实现绘制等高线图示例详解

目录前言 1. 等高线图概述什么是等高线图? 等高线图常用场景绘制等高线图步骤案例展示 2. 等高线图属性设置等高线颜色设置等高线透明度设置等高线颜色级别设置等高线宽度设置等高线样式 3. 显示轮廓标签 4. 填充颜色 5. 添加颜色条说明总结前言我们在往期对matplotlib.pyplot()方法学习,到现在我们已经会绘制折线图.柱状图.散点等常规的图表啦(往期的内容如下,大家可以方便查看往期内容) Python matplotlib底层原理解析 Python利用 m
Python matplotlib 绘制散点图详解建议收藏

目录前言 1. 散点图概述什么是散点图? 散点图使用场景绘制散点图步骤案例展示 2. 散点图属性设置散点大小设置散点颜色设置散点样式设置透明度设置散点边框 3. 添加折线散点图 4. 多类型散点图 5. 颜色条散点图 6. 曲线散点图总结前言我们在matplotlib模块学习中,发现有常用的反映数据变化的折线图,对比数据类型差异的柱状图和反应数据频率分布情况的直方图. 往期内容速看 Python用 matplotlib 绘制柱状图 Python matplotlib底层
Python pyecharts绘制条形图详解

目录一.简介二.整理数据 1.配置主题 2.柱状图 Bar - Bar_base_dict_config 3.样例数据 Faker.choose() 4.滚动条 Bar - Bar_datazoom_slider 5.鼠标移动效果 Bar - Bar_datazoom_inside 6.显示最值 Bar - Bar_markpoint_type 7.改变滚动条在侧面 Bar - Bar_datazoom_slider_vertical 8.多个Y轴 9.直方图 Bar - Bar_histo
Python可视化Matplotlib散点图scatter()用法详解

散点图是数据分析中非常常用的图形.用两组数据构成多个坐标点,考察坐标点的分布,判断两变量之间是否存在某种关联或总结坐标点的分布模式. 特点:判断变量之间是否存在数量关联趋势,展示离群点(分布规律) Matplotlib 中绘制散点图的函数为 scatter() ,使用语法如下: matplotlib.pyplot.scatter(x, y, s=None, c=None, marker=None, cmap=None, norm=None, vmin=None, vmax=None, alpha