plotly笔记-- 图形设置（多图标、双坐标轴、多子图）

plotly笔记-- 图形设置

文章目录

• plotly笔记-- 图形设置
• • 准备工作
  • 1、多图标
  • 2、双坐标轴
  • 3、多子图

这篇文章将简单描述plotly图形设置相关的内容，文中使用到的数据是从天池下载的经典泰坦尼克训练数据集，需要此数据的小朋友们可以前往天池下载，我也会将文中使用到的数据和源代码放在Github上以便下载： Github

准备工作

这次笔记所用数据与上篇文章相同，所以前期准备工作也是相同的

import pandas as pd
import numpy as np
import os
# 查看当前路径
os.getcwd()
# 更改当前工作目录
os.chdir("F:/天池数据集/泰坦尼克/")
# 将目录里的内容输出为列表
os.listdir()
           

# 读入数据
titain_data = pd.read_csv("titanic_train.csv")
# 对数据情况大致了解一下
titain_data.head()
titain_data.info()
titain_data.describe()
           

# 对Age项统计缺失值
titain_data["Age"].isnull().sum()
# 对Age的空值进行前向替换
titain_data["Age"].fillna(method="ffill", inplace=True)
titain_data["Age"].isnull().sum()
titain_data["Age"].describe()
           

# 对数据中年龄进行分段统计
w = [0, 15, 30, 45, 60, 100]
titain_data["Age_bin"] = pd.cut(
    titain_data["Age"],
    bins=w,
    labels=['0-15岁', '15-30岁', '30-45岁', '45-60岁', '60岁以上'],
    right=False)
Age_x = titain_data["Age_bin"].value_counts(sort=False)
# titain_data.head()
Age_x
# x = list(Age_x.index)
# y = Age_x.values
           

1、多图标

不同图形的组合展示

例如：柱状图+线形图

import plotly.graph_objects as go
# 多图标
# 例如：柱状图+线形图
mean_value = np.mean(Age_x.values.tolist())
# 将mean_value沿X轴复制
y = np.tile(mean_value,5)
y
           

trace_bar = go.Bar(x=Age_x.index.tolist(),
                   y=Age_x.values.tolist(),
                   marker=dict(
                       color=["blue", "red", "green", "indianred", "darkgrey"],
                       opacity=0.4),
                   name="Bar")
trace_average = go.Scatter(x=Age_x.index.tolist(),
                           y=y,
                           mode="lines",
                           name="平均值")
data = [trace_bar, trace_average]
layout = go.Layout(title="不同年龄段人数对比", xaxis=dict(title="年龄段"))
fig = go.Figure(data=data, layout=layout)
fig.show()

           

2、双坐标轴

N = 50
random_x = np.linspace(0, 1, N)
random_y0 = np.random.randn(N)
random_y1 = np.random.randn(N) * 150

#Create traces
trace0 = go.Scatter(x=random_x, y=random_y0, mode='lines', name='小数值展示')
trace1 = go.Scatter(x=random_x,
                    y=random_y1,
                    mode='lines+markers',
                    name='大数值展示',
                    yaxis="y2")

data1 = [trace0, trace1]

# go.Layout可以创建图层对象，实现双坐标
layout = go.Layout(title="双坐标示例图",
                   yaxis=dict(title="小数值"),
                   yaxis2=dict(title="大数值", overlaying='y', side="right"),
                   legend=dict(x=0, y=1, font=dict(size=12, color="black")))
fig = go.Figure(data=data1, layout=layout)
fig.show()
           

3、多子图

# 多子图绘制 如：将上面用到的图形一起绘制
# 导入subplots（类似matplotlib）
from plotly import subplots

# 设定布局，以便进行绘图，这儿是两行一列
fig = subplots.make_subplots(rows=2,cols=1)
#This is the format of your plot grid:
#[ (1,1) x1,y1 ]       
#[ (2,1) x2,y2 ] 

fig.append_trace(trace_bar,1,1)
fig.append_trace(trace0,2,1)

# 设定每个子图的占位情况
fig.layout.yaxis1.domain = [0.35,1.0]
fig.layout.yaxis2.domain = [0,0.3]

# 设定整个fig的大小
fig.layout.width = 800
fig.layout.height = 600
fig.show()
           

更多关于Subplots相关内容可以参考官方文档：Subplots