使用Plotly在Python中設定帶有分組圖例的多個子圖

---

多個子圖透過分配不同的圖形圖來定義。Plotly是一個強大的Python庫，用於建立用於資料研究和演示的互動式視覺化。它能夠建立多個子圖（即放置在一個圖形中的獨立圖）是其主要特性之一。此功能允許我們並排比較和顯示各種資料集或變數，從而簡單地概述資料。在Python中，我們有一些內建函式——add_trace、update_layout和show，可用於使用Plotly在Python中設定帶有分組圖例的多個子圖。

語法

以下語法用於示例：

add_trace()

這是Python的內建方法，遵循名為plotly的模組。它接受Scatter引數以建立新的軌跡到圖形。例如，散點圖可能有多個軌跡，每個軌跡代表一組不同的資料點。

update_layout()

update_layout() 方法用於更改 Plotly 圖形的佈局。

show()

show方法用於程式的結尾，以獲得圖形的所需圖形作為輸出。

示例1演算法

步驟如下：

步驟1：使用名為plotly.graph_objects的模組建立子圖資料點，並將物件引用作為go。

步驟2：從plotly.subplots模組中提及另一個物件引用make_subplots函式。

步驟3：然後使用物件引用make_subplots，透過使用subplot_titile設定每個圖的標題名稱。

步驟4：建立軌跡以設定分組圖例和資料點。

步驟5：圖形佈局已使用內建函式update_layout更新，該函式接受引數——寬度和高度。

步驟6：最後，使用show()方法顯示結果。

示例

在以下示例中，我們將顯示包含分組圖例的兩個子圖的圖形，方法是使用內建方法add_trace。

import plotly.graph_objects as go
from plotly.subplots import make_subplots
# Create subplots with the shared legend
fig = make_subplots(rows=2, cols=2, subplot_titles=("Plot 1", "Plot 2"))
# Add traces to subplots
fig.add_trace(go.Scatter(x=[1, 2, 3], y=[4, 5, 6], name="Trace 1"), row=1, col=1)
fig.add_trace(go.Scatter(x=[1, 2, 3], y=[14, 13, 15], name="Trace 2"), row=1, col=2)
# Update layout for legend grouping
fig.update_layout(width=800, height=600)
# Show the plot
fig.show()

輸出

示例

在以下示例中，使用make_subplots，此程式碼生成一個2x2的子圖網格，並將兩個散點圖新增到網格中。佈局被更改以自定義圖例分組並顯示圖形。

import plotly.graph_objects as go
from plotly.subplots import make_subplots
# Create subplots with the shared legend
fig = make_subplots(rows=2, cols=2, subplot_titles=("Plot 1", "Plot 2"))
# Add traces to subplots
fig.add_trace(go.Scatter(x=[1, 2, 1, 3, 5], y=[4, 5, 2, 3, 6], name="Reliance"), row=1, col=1)
fig.add_trace(go.Scatter(x=[3, 2, 6], y=[13, 14, 15], name="TATA"), row=1, col=2)
# Update layout for customized legend grouping
fig.update_layout(width=800, height=600)
# Show the plot
fig.show()

輸出

示例

在以下示例中，我們將顯示四個不同子圖的圖形，這些子圖包含指向資料、subplot_title和分別在內建函式add_trace和update_layout中的圖例。這將幫助我們構建帶有圖例名稱的多個子圖。

import plotly.graph_objects as go
from plotly.subplots import make_subplots
# Create subplots with the shared legend
fig = make_subplots(rows=2, cols=2, subplot_titles=("Plot 1", "Plot 2", "Plot 3", "Plot 4"))
# Add traces to subplots
fig.add_trace(go.Scatter(x=[1, 4, 1, 3, 5, 2], y=[4, 5, 6, 5, 4, 2], name="Trace 1"), row=1, col=1)
fig.add_trace(go.Scatter(x=[1, 2, 3, 4, 3, 5], y=[7, 8, 9, 3, 2, 6], name="Trace 2"), row=1, col=2)
fig.add_trace(go.Scatter(x=[3, 5, 6, 4, 5, 6], y=[1, 3, 5, 4, 2, 3], name="Trace 3"), row=2, col=1)
fig.add_trace(go.Scatter(x=[1, 2, 3, 2, 6, 4], y=[3, 4, 5, 6, 2, 1], name="Trace 4"), row=2, col=2)
# Update layout for customized legend grouping
fig.update_layout(legend=dict(tracegroupgap=70))
# Show the plot
fig.show()

輸出

結論

我們討論了使用名為Ploty的模組繪製帶有分組圖例的多個子圖的三種不同方法。這使我們可以輕鬆比較資料，資料科學家可以建立詳細的視覺化效果，從而提高對複雜資料集的理解和溝通。