大家好,今天小编给大家带来的一款工具是数据在线可视化工具---Plotly。
Plotly简介
Plotly是一款使用JavaScript开发的制图工具,提供了与主流数据分析语言交互的API(如:Python, R, MATLAB)。大家可以到官网 https://plot.ly/ 了解更多详细的信息。
plotly是个很强大的Python模块,可以用来绘制各种统计图,下面我们就来具体介绍一下怎么去用它吧!
首先,想用它就得注册一个plotly的账号,打开网址https://plot.ly/,注册账号,用邮箱注册即可,注册完之后登录。
点击你的用户名,选择setting,在setting里面找到API keys,你需要生成一个API key,之后把APIkey复制下来,在写代码的时候会用到。
记住Username和API Key。下面我们开始本地敲代码了。
首先需要安装plotly模块,直接通过pip安装即可:
pip install plotly
安装好了之后我们就可以开始正式用它了。
首先导入plotly模块,设置好username和API key
import plotly
plotly.tools.set_credentials_file(username='dolphinlong', api_key='*************')
这些都设置好了之后就可以使用ploty模块的plotly方法了
导入plotly相应的画图模块
import plotly.plotly as py
from plotly.graph_objs import *
首先我们先初始化数据,调用Scatter函数,画折线图:
trace0 = Scatter(
x=[1, 2, 3, 4],
y=[10, 15, 13, 17]
)
trace1 = Scatter(
x=[1, 2, 3, 4],
y=[16, 5, 11, 9]
)
trace2 = Scatter(
x=[1, 2, 3, 4],
y=[1, 5, 11, 19]
)
有了这三组数据,在调用Data函数将这些数据组合在一起,绘制在一张图上。
data = Data([trace0, trace1,trace2])
之后调用plot方法进行画图,记得给你画的图命名!
py.plot(data, filename = 'test28')
运行程序:
可以清楚的看到刚刚传入的数据被画成了折线图。
接下来我们调用graph_objs.Bar方法来画柱状统计图,直接将刚刚的Scatter方法替换掉就行:
import plotly
plotly.tools.set_credentials_file(username='wuyuqing', api_key='TF76zH72HmMHp3LT4NEq')
import plotly.plotly as py
from plotly.graph_objs import *
trace0 = graph_objs.Bar(
x=[1,2,3,4,5,6,7,8,9,10],
y=[7,7,16,25,33,40,40,47,47,55]
)
trace1 = graph_objs.Bar(
x=[1,2,3,4,5,6,7,8,9,10],
y=[3,3,10,15,24,24,31,32,38,47]
)
trace2 = graph_objs.Bar(
x=[1,2,3,4,5,6,7,8,9,10],
y=[9,16,22,23,29,37,46,46,53,69]
)
data = Data([trace0, trace1, trace2])
py.plot(data,filename = 'test29')
运行代码,获得结果
好了,今天关于plotly的应用就简单介绍到这里了,下次给大家做个实例。
下期见。
相关推荐
Python数据分析在现代信息技术领域扮演着至关重要的角色,而Plotly是一个强大的数据可视化工具,尤其适合创建交互式的图表和仪表板。本教程将深入探讨如何利用Plotly进行动态可视化绘图,帮助你提升数据分析的洞察力...
在《Python数据可视化实战全书》的前8章中,它详细介绍了数据可视化的基础知识、常用工具以及Python中的实现方法。以下是本教程的主要知识点: 1. **数据与数据可视化**: - 数据是现实世界中信息的量化表示,可以...
通过这本微课版教程,学习者不仅可以掌握Python数据可视化的基础知识,还能了解到最新的可视化技术和工具,提升数据讲故事的能力,为数据分析和决策支持打下坚实基础。对于教师而言,配套教案提供了丰富的教学材料,...
4. **Python数据可视化库**:Python中的数据可视化库如Matplotlib、Seaborn、Plotly等,提供了丰富的图表类型和自定义选项,帮助用户创建高质量的图形。 5. **NumPy**:NumPy是Python中的一个基础科学计算库,它...
Plotly不仅支持Python,还支持R、JavaScript等其他编程语言,是一个跨平台的数据可视化工具。Bokeh则专注于创建现代的Web浏览器可视化,并可以输出高质量的JavaScript图表。 最后,Altair是一个基于声明式语法的...
《Python数据可视化编程》是一本深入探讨如何使用Python进行数据可视化的著作,由爱尔兰的Igor编著,中国的颛清山翻译。这本书旨在帮助读者掌握使用Python语言进行数据呈现的各种技术和工具,提升数据分析和解释的...
Python数据可视化是数据分析过程中的重要环节,它能够帮助我们更好地理解和解释数据,通过图形化的方式展示数据分布、关联性以及趋势。本资料包主要聚焦在使用Python库进行数据可视化的实践,尤其是Matplotlib和...
《Python数据可视化编程实战》这本书是为那些希望通过Python进行数据可视化的人量身打造的实践指南。书中涵盖了Python在数据可视化领域的各种工具和技术,旨在帮助读者理解如何有效地展示数据,提升数据分析和解读的...
《Python数据可视化手册》是一本专注于利用Python中最流行的库来创建吸引人的可视化表达的实用指南。该书由经验丰富的开发者Igor Milovanović撰写,涵盖了超过60个实用的食谱,指导读者如何利用Python进行有效的...
《Python数据可视化编程实战(第2版)》是一本深入探讨如何使用Python进行数据可视化的专业书籍。这本书的配套资源包含两个主要的压缩文件:PythonDataVisualizationCookbookSE_Code.zip和B03772_Graphics.zip。这些...
Python数据可视化是一个重要的主题,尤其在当今大数据时代,有效地...以上是《Python数据可视化》一书中可能会涵盖的部分知识点,每个库都有其特点和适用场景,学习掌握这些工具,可以帮助我们更好地解读和呈现数据。
首先,让我们来探讨Python数据可视化的基础工具:matplotlib。这个库是Python中最常用的数据可视化库,它提供了丰富的图表类型,如折线图、散点图、直方图、饼图等。在实战代码中,你可能会看到如何使用`pyplot`模块...
《Python数据可视化编程实战》这本书主要涵盖了使用Python进行数据可视化的关键技术和实践方法。Python作为一门强大且易学的编程语言,在数据科学领域被广泛应用,其中数据可视化是其重要的一环,它能帮助我们理解、...
Python数据可视化编程实战一书,2013年的第一版,是学习和掌握Python数据可视化技术的重要资源。...不断练习和探索,你会发现Python数据可视化是一个强大而有趣的工具,能够帮助你洞察数据背后的故事。
Python数据可视化工具是数据分析领域中不可或缺的一部分,它能够将复杂的数据转化为直观的图表,帮助我们更好地理解和解释数据。其中,提到的"datagear-3.1.0"可能是一个特定的数据可视化库或软件的版本。在Python中...
每一个项目都可能涉及到数据的获取、清洗、分析和可视化,Python的科学计算库NumPy、Pandas和数据可视化库如Matplotlib、Seaborn、Plotly、Bokeh等是实现这些功能的核心工具。通过学习这些源代码,开发者不仅可以...
总结,Python的matplotlib库是数据可视化的强大工具,不仅提供基础的绘图功能,还支持高度定制,与其他库如Seaborn配合使用,可以实现更多高级和美观的图表。无论你是初学者还是经验丰富的开发者,掌握matplotlib都...
Python数据可视化是数据分析和数据科学领域中的重要环节,它能够帮助我们有效地理解并展示复杂的数据。本书《Python数据可视化[印]科斯·拉曼(Kirthi Raman)》是Kirthi Raman的作品,专注于讲解如何利用Python进行...