学习笔记-Plotly的基本使用方式（二）

利用Plotly绘制散点图

上一篇博客中简单介绍了Plotly模块的整体情况，安装方法以及相对应的一些实例应用。接下来的几篇博客将是对于一些基本图形（散点图、折线图、条形图和柱状图）的绘制进行一个系统的介绍。话不多说，直接冲冲冲！！！

1、基础散点图绘制

:example1

import plotly as py
from plotly.graph_objs import *

trace = Scatter(x=[0, 1, 2, 3, 4], y=[0, 1, 4, 9, 16], mode = "markers")
data = [trace]
py.offline.plot(data)

example2

import plotly aspy
from plotly.graph_objs import *
import plotly.express as px

fig = px.scatter(df, x="sepal_width", y="sepal_length")
py.offline.plot(fig)

这里说明一下iris()鸢尾花数据集，Iris 鸢尾花数据集是一个经典数据集，在统计学习和机器学习领域都经常被用作示例。数据集内包含 3 类共 150 条记录，每类各 50 个数据，每条记录都有 4 项特征：花萼长度、花萼宽度、花瓣长度、花瓣宽度，可以通过这4个特征预测鸢尾花卉属于（iris-setosa, iris-versicolour, iris-virginica）中的哪一品种。具体的使用案例可以参照这篇文章
(链接：https://www.jianshu.com/p/52b86c774b0b)
下面是鸢尾花数据集的格式：

'''
     SepalLength    SepalWidth    PetalLength    PetalWidth    Name
0        5.1            3.5           1.4           0.2     Iris-setosa
1        4.9            3.0           1.4           0.2     Iris-setosa
2        4.7            3.2           1.3           0.2     Iris-setosa
3        4.6            3.1           1.5           0.2     Iris-setosa
4        5.0            3.6           1.4           0.2     Iris-setosa
'''

完成的鸢尾花数据集，我已经放在了百度网盘中，需要的小伙伴可以自行提取：
https://pan.baidu.com/s/1oEcNDuG35necJS43Y_BCFQ
提取码:CSAT

2、使用列名设置点的大小和颜色

这里我们还是使用鸢尾花数据集

import plotly as py
import plotly.express as px
from plotly.graph_objs import *
import plotly.graph_objs as go

df = px.data.iris()
fig = px.scatter(df, x="sepal_width", y="sepal_length", color="species",
                 size='petal_length', hover_data=['petal_width'])
py.offline.plot(fig)

这里通过“species”的不同来表示不同的颜色，根据“petal_length”来改变不同相对应颜色的点的大小。
hover_data=[’ ']表示悬停文本，即当鼠标指向某一点时，会将该点数据的信息展示出来，运行结果如下所示：

3、气泡散点图的绘制

import plotly as py
import plotly.graph_objects as go

fig = go.Figure(data=go.Scatter(
    x=[1, 2, 3, 4],
    y=[10, 11, 12, 13],
    mode='markers',
    marker=dict(size=[40, 60, 80, 100],
                color=[0, 1, 2, 3])
))
py.offline.plot(fig)

marker = dict(size = [40, 60, 80, 100], color = [0, 1, 2, 3])是用来设置每个点的颜色和大小，需要注意的是数据的大小需要和点的数量保持一致。运行结果如下：

4、样式散点图的绘制

import plotly as py
import plotly.graph_objects as go
import numpy as np


t = np.linspace(0, 10, 100)
fig = go.Figure()

fig.add_trace(go.Scatter(
    x=t, y=np.sin(t),
    name='sin',
    mode='markers',
    marker_color='rgba(152, 0, 0, .8)'
))

fig.add_trace(go.Scatter(
    x=t, y=np.cos(t),
    name='cos',
    marker_color='rgba(255, 182, 193, .9)'
))

fig.update_traces(mode='markers', marker_line_width=2, marker_size=10)
fig.update_layout(title='Styled Scatter',
                  yaxis_zeroline=False, xaxis_zeroline=False)

py.offline.plot(fig)

5、带颜色尺寸的散点图绘制

import plotly.graph_objects as go
import numpy as np

fig = go.Figure(data=go.Scatter(
    y = np.random.randn(500),
    mode='markers',
    marker=dict(
        size=16,
        color=np.random.randn(500), #set color equal to a variable
        colorscale='Viridis', # one of plotly colorscales
        showscale=True
    )
))

py.offline.plot(fig)

6、大型数据集的散点图绘制

example1

import plotly.graph_objects as go
import numpy as np

N = 100000
fig = go.Figure(data=go.Scattergl(
    x = np.random.randn(N),
    y = np.random.randn(N),
    mode='markers',
    marker=dict(
        color=np.random.randn(N),
        colorscale='Viridis',
        line_width=1
    )
))

py.offline.plot(fig)

example2

import plotly.graph_objects as go
import numpy as np

N = 100000
r = np.random.uniform(0, 1, N)
theta = np.random.uniform(0, 2*np.pi, N)

fig = go.Figure(data=go.Scattergl(
    x = r * np.cos(theta), # non-uniform distribution
    y = r * np.sin(theta), # zoom to see more points at the center
    mode='markers',
    marker=dict(
        color=np.random.randn(N),
        colorscale='Viridis',
        line_width=1
    )
))

py.offline.plot(fig)

以上就是关于散点图绘制的常见方式，所使用的都是一些基础的绘制方式。关于其他基本图形的绘制，会在以后的博客中介绍。