一文学会制作6种炫酷的Python动态图

 很多时候，一张炫酷图就足以胜过千言万语。对于数学科学家来说，当想阐述自己的观点、劳动成果时，我们需要直接有效的沟通。单调乏味的文本和数字，很难抓住别人的眼球，飘飘亮亮的可视化动态图是必不可少的，至少是一个加分项。

目前创新互联建站已为上千的企业提供了网站建设、域名、虚拟空间、网站托管、服务器租用、企业网站设计、利川网站维护等服务，公司将坚持客户导向、应用为本的策略，正道将秉承"和谐、参与、激情"的文化，与客户和合作伙伴齐心协力一起成长，共同发展。

本文将基于Python的Plotly图形库，介绍几种工作中常用的动画图和交互式图标。在使用之前看一下是否安装了 Plotly。

1. 朝阳图

层次结构数据通常存储为矩形数据框，其中不同的列对应于层次结构的不同级别。px.sunburst可以采用path与列列表相对应的参数。请注意，如果给出id，则parent不应提供path。

 
 
 
 
    
  
  
  
  
  1. import plotly.express as px
    2. 
  
  
  
  
  2. df = px.data.tips()
    3. 
  
  
  
  
  3. fig = px.sunburst(df, path=['day', 'time', 'sex'], values='total_bill')
    4. 
  
  
  
  
  4. fig.show()
    5.

2. 桑基图

桑基图通过定义可视化到流动的贡献源来表示源节点，目标为目标节点，数值以设置流volum，和标签，显示了节点名称,在流量分析中常用。

 
 
 
 
    
  
  
  
  
  1. import plotly.graph_objects as go
    2. 
  
  
  
  
  2. import urllib, json
    3. 
  
  
  
  
  3. 
  
  
  
  
  4. url = 'https://raw.githubusercontent.com/plotly/plotly.js/master/test/image/mocks/sankey_energy.json'
    5. 
  
  
  
  
  5. response = urllib.request.urlopen(url)
    6. 
  
  
  
  
  6. data = json.loads(response.read())
    7. 
  
  
  
  
  7. 
  
  
  
  
  8. # override gray link colors with 'source' colors
    9. 
  
  
  
  
  9. opacity = 0.4
    10. 
  
  
  
  
  10. # change 'magenta' to its 'rgba' value to add opacity
    11. 
  
  
  
  
  11. data['data'][0]['node']['color'] = ['rgba(255,0,255, 0.8)' if color == "magenta" else color for color in data['data'][0]['node']['color']]
    12. 
  
  
  
  
  12. data['data'][0]['link']['color'] = [data['data'][0]['node']['color'][src].replace("0.8", str(opacity))
    13. 
  
  
  
  
  13.                                     for src in data['data'][0]['link']['source']]
    14. 
  
  
  
  
  14. 
  
  
  
  
  15. fig = go.Figure(data=[go.Sankey(
    16. 
  
  
  
  
  16.     valueformat = ".0f",
    17. 
  
  
  
  
  17.     valuesuffix = "TWh",
    18. 
  
  
  
  
  18.     # Define nodes
    19. 
  
  
  
  
  19.     node = dict(
    20. 
  
  
  
  
  20.       pad = 15,
    21. 
  
  
  
  
  21.       thickness = 15,
    22. 
  
  
  
  
  22.       line = dict(color = "black", width = 0.5),
    23. 
  
  
  
  
  23.       label =  data['data'][0]['node']['label'],
    24. 
  
  
  
  
  24.       color =  data['data'][0]['node']['color']
    25. 
  
  
  
  
  25.     ),
    26. 
  
  
  
  
  26.     # Add links
    27. 
  
  
  
  
  27.     link = dict(
    28. 
  
  
  
  
  28.       source =  data['data'][0]['link']['source'],
    29. 
  
  
  
  
  29.       target =  data['data'][0]['link']['target'],
    30. 
  
  
  
  
  30.       value =  data['data'][0]['link']['value'],
    31. 
  
  
  
  
  31.       label =  data['data'][0]['link']['label'],
    32. 
  
  
  
  
  32.       color =  data['data'][0]['link']['color']
    33. 
  
  
  
  
  33. ))])
    34. 
  
  
  
  
  34. 
  
  
  
  
  35. fig.update_layout(title_text="Energy forecast for 2050
    Source: Department of Energy & Climate Change, Tom Counsell via Mike Bostock",
    36. 
  
  
  
  
  36.                   font_size=10)
    37. 
  
  
  
  
  37. fig.show()
    38.

效果图

3. 雷达图

雷达图(也称为蜘蛛情节或情节星)显示器在从中心轴始发表示定量变量的二维图的形式多变量数据。轴的相对位置和角度通常是无用的。它等效于轴沿径向排列的平行坐标图。

 
 
 
 
    
  
  
  
  
  1. import plotly.graph_objects as go
    2. 
  
  
  
  
  2. import urllib, json
    3. 
  
  
  
  
  3. 
  
  
  
  
  4. url = 'https://raw.githubusercontent.com/plotly/plotly.js/master/test/image/mocks/sankey_energy.json'
    5. 
  
  
  
  
  5. response = urllib.request.urlopen(url)
    6. 
  
  
  
  
  6. data = json.loads(response.read())
    7. 
  
  
  
  
  7. 
  
  
  
  
  8. # override gray link colors with 'source' colors
    9. 
  
  
  
  
  9. opacity = 0.4
    10. 
  
  
  
  
  10. # change 'magenta' to its 'rgba' value to add opacity
    11. 
  
  
  
  
  11. data['data'][0]['node']['color'] = ['rgba(255,0,255, 0.8)' if color == "magenta" else color for color in data['data'][0]['node']['color']]
    12. 
  
  
  
  
  12. data['data'][0]['link']['color'] = [data['data'][0]['node']['color'][src].replace("0.8", str(opacity))
    13. 
  
  
  
  
  13.                                     for src in data['data'][0]['link']['source']]
    14. 
  
  
  
  
  14. 
  
  
  
  
  15. fig = go.Figure(data=[go.Sankey(
    16. 
  
  
  
  
  16.     valueformat = ".0f",
    17. 
  
  
  
  
  17.     valuesuffix = "TWh",
    18. 
  
  
  
  
  18.     # Define nodes
    19. 
  
  
  
  
  19.     node = dict(
    20. 
  
  
  
  
  20.       pad = 15,
    21. 
  
  
  
  
  21.       thickness = 15,
    22. 
  
  
  
  
  22.       line = dict(color = "black", width = 0.5),
    23. 
  
  
  
  
  23.       label =  data['data'][0]['node']['label'],
    24. 
  
  
  
  
  24.       color =  data['data'][0]['node']['color']
    25. 
  
  
  
  
  25.     ),
    26. 
  
  
  
  
  26.     # Add links
    27. 
  
  
  
  
  27.     link = dict(
    28. 
  
  
  
  
  28.       source =  data['data'][0]['link']['source'],
    29. 
  
  
  
  
  29.       target =  data['data'][0]['link']['target'],
    30. 
  
  
  
  
  30.       value =  data['data'][0]['link']['value'],
    31. 
  
  
  
  
  31.       label =  data['data'][0]['link']['label'],
    32. 
  
  
  
  
  32.       color =  data['data'][0]['link']['color']
    33. 
  
  
  
  
  33. ))])
    34. 
  
  
  
  
  34. 
  
  
  
  
  35. fig.update_layout(title_text="Energy forecast for 2050
    Source: Department of Energy & Climate Change, Tom Counsell via Mike Bostock",
    36. 
  
  
  
  
  36.                   font_size=10)
    37. 
  
  
  
  
  37. fig.show()
    38.

效果图

4. 漏斗图

漏斗图通常用于表示业务流程不同阶段的数据。在商业智能中，这是识别流程潜在问题区域的重要机制。例如，它用于观察销售过程中每个阶段的收入或损失，并显示逐渐减小的值。每个阶段均以占所有值的百分比表示。

 
 
 
 
    
  
  
  
  
  1. from plotly import graph_objects as go
    2. 
  
  
  
  
  2. 
  
  
  
  
  3. fig = go.Figure()
    4. 
  
  
  
  
  4. 
  
  
  
  
  5. fig.add_trace(go.Funnel(
    6. 
  
  
  
  
  6.     name = 'Montreal',
    7. 
  
  
  
  
  7.     y = ["Website visit", "Downloads", "Potential customers", "Requested price"],
    8. 
  
  
  
  
  8.     x = [120, 60, 30, 20],
    9. 
  
  
  
  
  9.     textinfo = "value+percent initial"))
    10. 
  
  
  
  
  10. 
  
  
  
  
  11. fig.add_trace(go.Funnel(
    12. 
  
  
  
  
  12.     name = 'Toronto',
    13. 
  
  
  
  
  13.     orientation = "h",
    14. 
  
  
  
  
  14.     y = ["Website visit", "Downloads", "Potential customers", "Requested price", "invoice sent"],
    15. 
  
  
  
  
  15.     x = [100, 60, 40, 30, 20],
    16. 
  
  
  
  
  16.     textposition = "inside",
    17. 
  
  
  
  
  17.     textinfo = "value+percent previous"))
    18. 
  
  
  
  
  18. 
  
  
  
  
  19. fig.add_trace(go.Funnel(
    20. 
  
  
  
  
  20.     name = 'Vancouver',
    21. 
  
  
  
  
  21.     orientation = "h",
    22. 
  
  
  
  
  22.     y = ["Website visit", "Downloads", "Potential customers", "Requested price", "invoice sent", "Finalized"],
    23. 
  
  
  
  
  23.     x = [90, 70, 50, 30, 10, 5],
    24. 
  
  
  
  
  24.     textposition = "outside",
    25. 
  
  
  
  
  25.     textinfo = "value+percent total"))
    26. 
  
  
  
  
  26. 
  
  
  
  
  27. fig.show()
    28.

效果图

5. 3D表面图

具有轮廓的曲面图，使用contours属性显示和自定义每个轴的轮廓数据。

 
 
 
 
    
  
  
  
  
  1. import plotly.graph_objects as go
    2. 
  
  
  
  
  2. 
  
  
  
  
  3. import pandas as pd
    4. 
  
  
  
  
  4. 
  
  
  
  
  5. # Read data from a csv
    6. 
  
  
  
  
  6. z_data = pd.read_csv('https://raw.githubusercontent.com/plotly/datasets/master/api_docs/mt_bruno_elevation.csv')
    7. 
  
  
  
  
  7. 
  
  
  
  
  8. fig = go.Figure(data=[go.Surface(z=z_data.values)])
    9. 
  
  
  
  
  9. fig.update_traces(contours_z=dict(show=True, usecolormap=True,
    10. 
  
  
  
  
  10.                                   highlightcolor="limegreen", project_z=True))
    11. 
  
  
  
  
  11. fig.update_layout(title='Mt Bruno Elevation', autosize=False,
    12. 
  
  
  
  
  12.                   scene_camera_eye=dict(x=1.87, y=0.88, z=-0.64),
    13. 
  
  
  
  
  13.                   width=500, height=500,
    14. 
  
  
  
  
  14.                   margin=dict(l=65, r=50, b=65, t=90)
    15. 
  
  
  
  
  15. )
    16. 
  
  
  
  
  16. 
  
  
  
  
  17. fig.show()
    18.

6. 动画图

一些Plotly Express函数支持通过animation_frame和animation_group参数创建动画人物。这是使用Plotly Express创建的动画散点图的示例。请注意，您应始终修复x_range和，y_range以确保您的数据在整个动画中始终可见。

 
 
 
 
    
  
  
  
  
  1. import plotly.express as px
    2. 
  
  
  
  
  2. df = px.data.gapminder()
    3. 
  
  
  
  
  3. px.scatter(df, x="gdpPercap", y="lifeExp", animation_frame="year", animation_group="country",
    4. 
  
  
  
  
  4.            size="pop", color="continent", hover_name="country",
    5. 
  
  
  
  
  5.            log_x=True, size_max=55, range_x=[100,100000], range_y=[25,90])
    6.

结论

可视化的图形在日常工作中经常实用，其中Plotly是用过的体验比较好的，本篇文章分享给大家一些案例，Plotly可视化远不止这些，在后续的文章中，涉及可视化部分的，将介绍更多酷炫的可视化图形，喜欢点个在看分享，收藏以备不时之需。

标题名称：一文学会制作6种炫酷的Python动态图
本文地址：http://www.csdahua.cn/qtweb/news39/286439.html

网站建设、网络推广公司-快上网，是专注品牌与效果的网站制作，网络营销seo公司；服务项目有等

广告

声明：本网站发布的内容（图片、视频和文字）以用户投稿、用户转载内容为主，如果涉及侵权请尽快告知，我们将会在第一时间删除。文章观点不代表本网站立场，如需处理请联系客服。电话：028-86922220；邮箱：631063699@qq.com。内容未经允许不得转载，或转载时需注明来源： 快上网

成都快上网为您推荐相关内容

网站设计公司知识

行业网站建设

自贡主机托管　　 　微信小程序开发　　 　成都网页制作　　 　尊格展览　　 　成都租用服务器　　 　成都光华机房　　 　成都网站建设　　 　网站建设开发　　 　全网品牌营销　　 　成都网站推广　　 　重庆网站建设　　 　德阳机房托管　　 　网站seo优化　　 　棕树数据中心　　 　成都多线服务器托管　　 　成都棕树机房　　 　新津网站运维　　 　分类目录网站　　 　成都做网站　　 　成都高电机柜租用