最强的Python可视化神器，你有用过么？

阳光穿透心脏的1/2处 2024-03-25 22:35 17阅读 0赞

数据分析离不开数据可视化，我们最常用的就是Pandas，Matplotlib，Pyecharts当然还有Tableau，看到一篇文章介绍Plotly制图后我也跃跃欲试，查看了相关资料开始尝试用它制图。

**1、Plotly**

Plotly是一款用来做数据分析和可视化的在线平台，功能非常强大，可以在线绘制很多图形比如条形图、散点图、饼图、直方图等等。

而且还是支持在线编辑，以及多种语言Python、Javascript、Matlab、R等许多API。

它在Python中使用也很简单，直接用Pip Install Plotly就可以了。

推荐最好在Jupyter notebook中使用，Pycharm操作不是很方便。

使用Plotly可以画出很多媲美Tableau的高质量图：

![eaa668821bcbe8d1f44204e401461b34.jpeg][]

Plotly制图

我尝试做了折线图、散点图和直方图，首先导入库：

from plotly.graph_objs import Scatter,Layout
    import plotly
    import plotly.offline as py
    import numpy as np
    import plotly.graph_objs as go
    #setting offilne 离线模式
    plotly.offline.init_notebook_mode(connected=True)

上面几行代码主要是引用一些库，Plotly有在线和离线两种模式，在线模式需要有账号可以云编辑。

我选用的离线模式，Plotly设置为Offline模式就可以直接在Notebook里面显示了。

**2、制作折线图**

N = 100
    random_x = np.linspace(0,1,N)
    random_y0 = np.random.randn(N)+5
    random_y1 = np.random.randn(N)
    random_y2 = np.random.randn(N)-5
    
    #Create traces
    trace0 = go.Scatter(
        x = random_x,
        y = random_y0,
        mode = 'markers',
        name = 'markers'
    )
    trace1 = go.Scatter(
        x = random_x,
        y = random_y1,
        mode = 'lines+markers',
        name = 'lines+markers'
    )
    trace2 = go.Scatter(
        x = random_x,
        y = random_y2,
        mode = 'lines',
        name = 'lines'
    )
    data = [trace0,trace1,trace2]
    py.iplot(data)

![6e181543bbd24cb2a31e140b406d0529.png][]折线图

随机设置4个参数，一个x轴的数字和三个y轴的随机数据，制作出三种不同类型的图。

Trace0是Markers，Trace1是Lines和Markers，Trace3是Lines。

然后把三种图放在Data这个列表里面，调用py.iplot(data)即可。绘制的图片系统默认配色也挺好看的~/

3、**制作散点图**

trace1 = go.Scatter(
         y = np.random.randn(500),
        mode = 'markers',
        marker = dict(
            size = 16,
            color = np.random.randn(500),
            colorscale = 'Viridis',
            showscale = True
        )
    )
    data = [trace1]
    py.iplot(data)

把Mode设置为Markers就是散点图，然后Marker里面设置一组参数，比如颜色的随机范围，散点的大小，还有图例等等。

![a5e2fb0d246e4098a00f2ceaf8a3fb5c.png][]

**4、直方图**

trace0 = go.Bar(
        x = ['Jan','Feb','Mar','Apr', 'May','Jun',
             'Jul','Aug','Sep','Oct','Nov','Dec'],
        y = [20,14,25,16,18,22,19,15,12,16,14,17],
        name = 'Primary Product',
        marker=dict(
            color = 'rgb(49,130,189)'
        )
    )
    trace1 = go.Bar(
        x = ['Jan','Feb','Mar','Apr', 'May','Jun',
             'Jul','Aug','Sep','Oct','Nov','Dec'],
        y = [19,14,22,14,16,19,15,14,10,12,12,16],
        name = 'Secondary Product',
        marker=dict(
            color = 'rgb(204,204,204)'
        )
    )
    data = [trace0,trace1]
    py.iplot(data)

![933eda6c28bca7a7ef5f52ac78da5f2e.png][]

直方图是我们比较常用的一种图形，Plotly绘制直方图的方式跟我们在Pandas里面设置的有点类似，它们非常直观的体现了不同月份两个生产力之间的差异。

上面的制图只是Plotly的冰山一角，都是一些最基本的用法，它还有很多很酷的用法和图形，尤其是跟Pandas结合画的图非常漂亮。

比如一些股票的K线图，大家有兴趣可以研究研究~

数据分析入门：

[ 黑马程序员MySQL知识精讲+mysql实战案例][_MySQL_mysql]

[3天从零快速搭建BI商业大数据分析平台\_li][3_BI_li]

[ 黑马程序员MySQL知识精讲+mysql实战案例][_MySQL_mysql 1]

[大数据基础-TiDB数据库从入门到实践\_  
][-TiDB_]

[大数据入门教程，非常适合小白的大数据自学课程\_i][i]

[eaa668821bcbe8d1f44204e401461b34.jpeg]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/25/af0cc82d04b3407382ac88753105c0b6.png
[6e181543bbd24cb2a31e140b406d0529.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/25/945759c2ec4a4042a968b9978d3c03c5.png
[a5e2fb0d246e4098a00f2ceaf8a3fb5c.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/25/abb3458e9d43424283b71870977c1a5d.png
[933eda6c28bca7a7ef5f52ac78da5f2e.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/25/24f7d7d493574cab932edee9f4feea5a.png
[_MySQL_mysql]: https://www.bilibili.com/video/BV1iF411z7Pu/?spm_id_from=333.999.0.0
[3_BI_li]: https://www.bilibili.com/video/BV1CT4y157KE/?spm_id_from=333.999.0.0
[_MySQL_mysql 1]: https://www.bilibili.com/video/BV1CU4y1N7Sh/?spm_id_from=333.999.0.0
[-TiDB_]: https://www.bilibili.com/video/BV1Xz4y1Q79U/?spm_id_from=333.999.0.0
[i]: https://www.bilibili.com/video/BV155411J7Wj/?spm_id_from=333.999.0.0&vd_source=41c3fb2563aafeb9df08eb0da84bd9e9