前言

• 本文將介紹如何使用Plotly+Cufflinks更簡(jiǎn)便地制作出更好的圖表。
• 這是Github上一個(gè)大神發(fā)布的資料，本人學(xué)習(xí)之后覺得非常實(shí)用，所以和大家分享。需要查看代碼的童鞋指路Github：https://github.com/WillKoehrsen/Data-Analysis
• 本文中的所有代碼都是使用Jupyter notebook完成的，在使用pip命令安裝了plotly和cufflinks之后，可以import使用它們。

1、Plotly+Cufflinks是什么？

• Plotly Python包是Plotly公司開發(fā)的可視化軟件的開源版本，是基于plotly.js構(gòu)建的，而后者又建立在d3.js上。
• 因?yàn)镻lotly不能直接接受numpy和pandas的數(shù)據(jù)結(jié)構(gòu)，所以用一個(gè)名為cufflinks的封裝器來(lái)使用Pandas數(shù)據(jù)可以減少數(shù)據(jù)處理工作。
• 這兩個(gè)庫(kù)的組合使用起來(lái)很簡(jiǎn)單，大部分時(shí)候可以用一行代碼生成非常棒的圖表，會(huì)比Matplotlib簡(jiǎn)單多了。
• 導(dǎo)入庫(kù)：
  • import plotly.graph_objs as go
  • import cufflinks as cf
  • from plotly.offline import iplot,init_notebook_mode
  • init_notebook_mode(connected=True)
  • cf.go_offline(connected=True)

2、花樣制作各式圖表

直方圖、箱線圖、柱狀圖、散點(diǎn)圖、折線圖、餅圖、散點(diǎn)矩陣、熱力圖、散點(diǎn)3D圖、氣泡3D圖，全部都可以用簡(jiǎn)單的一行代碼搞定！

2.1、直方圖

• 直方圖是繪制單一變量的首選圖，下圖是作者WillKoehrsen繪制的變量['Claps']直方分布圖：

  
  
  1.png
  
  
  1.gif

• 代碼非常簡(jiǎn)單，就是在data之后加一個(gè)iplot后綴，并添加相應(yīng)的參數(shù)。圖表是交互式的，把鼠標(biāo)放在bins可以獲得相應(yīng)數(shù)據(jù)。

2.1.1、分組直方圖

• 繪制分組直方圖只需要添加參數(shù)[barmode='group']即可，非常簡(jiǎn)便。

  
  
  2.png
  
  
  2.gif

2.1.2、疊加直方圖

• 繪制疊加直方圖則添加參數(shù)[barmode='overlay']。

  
  
  3.png

2.1.3、小結(jié)

• 代碼：df['value'].iplot(kind='hist',bins= ,xTitle= ,yTitle= ,title= )
• 其他參數(shù)：linecolor、opacity（透明度）、bargap（間隔）、histnorm、barmode

2.2、柱狀圖

• 對(duì)于條形圖，需要先應(yīng)用聚合函數(shù)，將x軸變量設(shè)為索引，然后再使用iplot繪圖。例如作者以['publication']進(jìn)行分組并計(jì)算變量['fans']的數(shù)量，再進(jìn)行圖形展示：

  
  
  4.png

• 如果繪制多個(gè)分類的柱狀圖，則相應(yīng)添加多個(gè)y軸變量即可，非常簡(jiǎn)單！

  
  
  5.png

2.2.1、雙坐標(biāo)軸

• 如果兩個(gè)分組變量的范圍相差太大，我們又想把它們放在同一個(gè)坐標(biāo)軸上，則可以設(shè)立y2軸。

• 設(shè)立y2軸只需要添加參數(shù)secondary_y。

  
  
  6.png

2.2.2、小結(jié)

• 代碼：df.iplot(kind='bar',xTitle= ,yTitle= ,title= )
• 其他參數(shù)：secondary_y、secondary_y_title

2.3、箱線圖

• 箱線圖的制作和直方圖類似，不過(guò)要把kind參數(shù)換成[kind='box']。

  
  
  7.png
  
  
  4.gif

2.3.1、分類箱線圖

• 如果我們需要制作分類箱線圖，則需要先制作一個(gè)透視表。

  
  
  8.png

2.3.2、小結(jié)

• 代碼：df.ilpot(kind='box',xTitle= ,yTitle= ,title= )、df.pivot(columns= ,values= )
• 其他參數(shù)：colorscale、layout

2.4、散點(diǎn)圖和折線圖

• 制作散點(diǎn)圖和折線圖的話，和前面3個(gè)圖不同，需要將kind參數(shù)更改為mode參數(shù)，不然會(huì)報(bào)錯(cuò)。

• x軸變量默認(rèn)為索引，但可以通過(guò)參數(shù)[x=' ']進(jìn)行更改。

  
  
  9.png

2.4.1、增加擬合線

• 增加擬合線相關(guān)參數(shù)：bestfit=True

  
  
  5.gif

2.4.2、增加文字注釋

• 利用text參數(shù)增加文字注釋。

• 作者利用HTML寫了一個(gè)例子：

  
  
  10.png

2.4.3、分類散點(diǎn)圖

• 制作分類散點(diǎn)圖可以通過(guò)categories參數(shù)添加：

• 此外，也可以通過(guò)size參數(shù)對(duì)散點(diǎn)做進(jìn)一步的區(qū)分，但size參數(shù)所帶變量必須是數(shù)值變量。

  
  
  11.png

2.4.4、添加參考區(qū)域或參考線

• 使用hline和vline參數(shù)可以添加線，使用vspan和hspan參數(shù)可以添加區(qū)域，和Matplotlib語(yǔ)法是類似的~

  
  
  12.png

2.4.5、小結(jié)

• 相關(guān)參數(shù)：bestfit、text、categories、symbol（散點(diǎn)形狀設(shè)置）、size（散點(diǎn)大小）、xrange（x軸范圍）、yrange（y軸范圍）、hline（水平參考線）、vline（垂直參考線）、hspan（水平參考區(qū)域）、vspan（垂直參考區(qū)域）

2.5、散點(diǎn)矩陣和熱力圖

• 導(dǎo)入畫圖庫(kù)：import plotly.figure_factory as ff

• 散點(diǎn)矩陣畫圖函數(shù)：ff.create_scatterplotmatrix()；熱力圖畫圖函數(shù)：ff.create_annotated_heatmap()

  
  
  13.png

2.6、餅圖

• 要制作餅圖，需要先用聚合函數(shù)對(duì)變量進(jìn)行分類，但不能設(shè)置分類變量為索引，否則無(wú)法畫圖。

  
  
  14.png

2.7、3D圖形

• 除了以上圖形，plotly也可以畫好看的3D圖形，比如曲面圖、3D散點(diǎn)圖等。

  
  
  dai

3、總結(jié)

• 比起Matplotlib和seaborn，Plotly可以快速地實(shí)現(xiàn)交互可視化，并輸出令人愉悅的圖形，讓我們能更深入地探索數(shù)據(jù)細(xì)節(jié)。