使用 Plotly 在 Python 中填充區域圖

---

Plotly 是 Python 中的一個庫，在繪製各種圖形和圖表方面非常有用。它是一個互動式視覺化庫，用於建立高質量的出版物圖形。可以使用 Plotly 視覺化的一些圖形和圖表包括折線圖、散點圖、區域圖、條形圖、誤差條、箱線圖、直方圖、熱圖、子圖、多軸、極座標圖和氣泡圖。

填充區域圖

填充區域圖是 Plotly 中一個增強的模組，它分析各種資料並生成易於閱讀的使用者友好型圖形。填充區域與特定值相協調，該值對應於由 line_group 引數給出的特定列。

資料框

對於繪圖，您需要一個具有屬性（列名）的資料框，該資料框通常使用 pandas 物件和 numpy 建立，或者模組本身提供某些內建資料集，如下所述：

• carshare

• election

• Gapminder

• iris

• tips

• Wind

它們每個都有 ai

引數

x,y - 指的是資料框中列的名稱。x 和 y 的值沿著它們在笛卡爾座標系中的位置標記。

顏色 - 指的是資料框中列的名稱。此列的值用於為標記的位置分配顏色。

示例 1

讓我們透過繪製強度與頻率的關係圖（方向作為顏色）來視覺化 wind 資料集。以下程式碼列印資料集及其屬性、行數和列數。

演算法

• 步驟 1 - 匯入 plotly.express 為 px

• 步驟 2 - 從 wind 資料集中建立資料框物件。

• 步驟 3 - 繪製資料框的區域圖，引數 x 為強度，y 為頻率，顏色為方向。

• 步驟 4 - 顯示區域圖。

import plotly.express as px
df = px.data.wind()
fig = px.area(df, x="strength", y="frequency", color="direction",)
fig.show()

輸出

示例 2

以下程式碼透過視覺化 gapminder 資料集並繪製 lifeExp 與 year 的關係圖（以 continent 為顏色）來列印資料集及其屬性、行數和列數。

演算法

• 步驟 1 - 匯入 plotly.express 為 px

• 步驟 2 - 從 gapminder 資料集中建立資料框物件。

• 步驟 3 - 繪製資料框的區域圖，引數 x 為 year，y 為 lifeExp，顏色為 continent。

• 步驟 4 - 顯示區域圖。

import plotly.express as px
df = px.data.gapminder()
fig = px.area(df, x="year", y="lifeExp", color="continent")
fig.show()

輸出

示例 3

以下程式碼列印使用 random.randint 函式生成隨機數建立的資料集，以及其屬性、行數和列數。

演算法

• 步驟 1 - 匯入 plotly.express 為 px

• 步驟 2 - 使用使用 randint 函式生成的資料集建立資料框物件。

• 步驟 3 - 繪製資料框的區域圖，引數 x 為 year，y 為 lifeExp，顏色為 continent。

• 步驟 4 - 顯示區域圖。

import plotly.express as px
import numpy as np
 
# creating random data through randomint
# function of numpy.random
np.random.seed(50)
 
random_x= np.random.randint(1,100,50)
random_y= np.random.randint(1,100,50)
print(random_x)
print(random_y)
fig = px.area(x = random_x, y = random_y)
fig.show()

print(random_x)
print(random_y)

輸出

[49 97 12 34 95  5 71 71 23  6  3 96 72 69 79 36 93 92 27 91  7 21 44 32
 50 86 42 65  7 20  3 80 31 36 27 61 67 77 97 68  3 11 52  1 94 94 95  1
 12 31]
[27 72 52 29 25 92 47 63 14 72 37  1 59 44 65 20 59 46 84  2 62 10 30 53
 44 88 33 20 48 70 93  7 66 37 85 37 45 54 79  5 87 44 20 97 38 31 63 45
 44 36]

結論

Plotly 庫視覺化的區域主要有兩種變化，即堆疊區域和非堆疊區域。基本區域被放大以顯示大量值。但是，堆疊區域圖被認為是條形圖或圖表中資料表示的最佳方式之一。