diff --git a/translated/tech/20200528 Simplify data visualization in Python with Plotly.md b/translated/tech/20200528 Simplify data visualization in Python with Plotly.md index f01686b329..a2c514deb9 100644 --- a/translated/tech/20200528 Simplify data visualization in Python with Plotly.md +++ b/translated/tech/20200528 Simplify data visualization in Python with Plotly.md @@ -1,6 +1,6 @@ [#]: collector: (lujun9972) [#]: translator: (MjSeven) -[#]: reviewer: ( ) +[#]: reviewer: (wxy) [#]: publisher: ( ) [#]: url: ( ) [#]: subject: (Simplify data visualization in Python with Plotly) @@ -9,100 +9,115 @@ 使用 Plotly 来简化 Python 中的数据可视化 ====== -Plotly 是一个数据绘图库，具有整洁的接口，它旨在允许你构建自己的 API。 -![Colorful sound wave graph][1] + +> Plotly 是一个数据绘图库，具有整洁的接口，它旨在允许你构建自己的 API。 + +![](https://img.linux.net.cn/data/attachment/album/202006/27/215314y0rkrz0e9zw7wd2o.jpg) Plotly 是一个绘图生态系统，可以让你在 [Python][2] 以及 JavaScript 和 R 中进行绘图。在本文中，我将重点介绍[使用 Python 库进行绘图][3]。 Plotly 有三种不同的 Python API，你可以选择不同的方法来使用它： - * 类似于 Matplotlib 的[面向对象的 API][4] - - * [数据驱动的 API][5]，通过构造类似 JSON 的数据结构来指定绘图 + * 类似于 Matplotlib 的面向对象的 API + * 数据驱动的 API，通过构造类似 JSON 的数据结构来定义绘图 + * 类似于 Seaborn 的高级绘图接口，称为 “Plotly Express” API - * 类似于 Seaborn 的高级绘图接口，称为 ["Plotly Express" API][6] +我将通过使用每个 API 来绘制相同的图来探索它们：英国大选结果的分组柱状图。 -我将探索使用每个 API 来绘制相同的图：英国大选结果的分组柱状图。 +在我们进一步探讨之前，请注意，你可能需要调整你的 Python 环境来让这段代码运行，包括以下内容： + +- 运行最新版本的Python（[Linux][4]、[Mac][5] 和 [Windows][6] 的说明） +- 确认你运行的 Python 版本能与这些库一起工作 + +数据可在线获得，可以用 Pandas 导入。 + +``` +import pandas as pd +df = pd.read_csv('https://anvil.works/blog/img/plotting-in-python/uk-election-results.csv') +``` + +现在我们可以继续进行了。 ### 使用图对象来绘制图 -Plotly 面向对象的 API 被称为图对象，它有点类似于 [Matplotlib 的面向对象 API][7]。 +Plotly 面向对象的 API 被称为 `graph_objects`，它有点类似于 [Matplotlib 的面向对象 API][7]。 要创建一个柱状图，你可以构造一个包含四个柱状图的对象： ``` -    # 导入 Plotly 和数据 -    import plotly.graph_objects as go -    from votes import wide as df +# 导入 Plotly 和数据 +import plotly.graph_objects as go +from votes import wide as df -    # 得到 x 列表 -    years = df['year'] -    x = list(range(len(years))) +# 得到 x 列表 +years = df['year'] +x = list(range(len(years))) -    # 指定绘图 -    bar_plots = [ -      go.Bar(x=x, y=df['conservative'], name='Conservative', marker=go.bar.Marker(color='#0343df')), -      go.Bar(x=x, y=df['labour'], name='Labour', marker=go.bar.Marker(color='#e50000')), -      go.Bar(x=x, y=df['liberal'], name='Liberal', marker=go.bar.Marker(color='#ffff14')), -      go.Bar(x=x, y=df['others'], name='Others', marker=go.bar.Marker(color='#929591')), -    ] +# 定义绘图 +bar_plots = [ +  go.Bar(x=x, y=df['conservative'], name='Conservative', marker=go.bar.Marker(color='#0343df')), +  go.Bar(x=x, y=df['labour'], name='Labour', marker=go.bar.Marker(color='#e50000')), +  go.Bar(x=x, y=df['liberal'], name='Liberal', marker=go.bar.Marker(color='#ffff14')), +  go.Bar(x=x, y=df['others'], name='Others', marker=go.bar.Marker(color='#929591')), +] + +# 指定样式 +layout = go.Layout( +  title=go.layout.Title(text="Election results", x=0.5), +  yaxis_title="Seats", +  xaxis_tickmode="array", +  xaxis_tickvals=list(range(27)), +  xaxis_ticktext=tuple(df['year'].values), +)     -    # 指定样式 -    layout = go.Layout( -      title=go.layout.Title(text="Election results", x=0.5), -      yaxis_title="Seats", -      xaxis_tickmode="array", -      xaxis_tickvals=list(range(27)), -      xaxis_ticktext=tuple(df['year'].values), -    ) -        -    # 绘制柱状图 -    fig = go.Figure(data=bar_plots, layout=layout) +# 绘制柱状图 +fig = go.Figure(data=bar_plots, layout=layout) -    # 告诉 Plotly 去渲染 -    fig.show() +# 告诉 Plotly 去渲染 +fig.show() ``` -与 Matplotlib 不同的是，你无需手动计算柱状图的 x 轴位置，Plotly 会帮你适配。 +与 Matplotlib 不同的是，你无需手动计算柱状图的 `x` 轴位置，Plotly 会帮你适配。 最终结果图： ![A multi-bar plot made using Graph Objects][8] -A multi-bar plot made using Graph Objects (© 2019 [Anvil][9]) + +*A multi-bar plot made using Graph Objects (© 2019 [Anvil][9])* ### 使用 Python 数据结构来绘图 -你还可以使用 Python 基本数据结构来指定绘图，它与面对对象 API 具有相同的结构。这直接对应于 Plotly 的 JavaScript 实现的 JSON API。 +你还可以使用 Python 基本数据结构来定义绘图，它与面对对象 API 具有相同的结构。这直接对应于 Plotly 的 JavaScript 实现的 JSON API。 ``` -    # 指定绘图数据 -    fig = { -        'data': [ -            {'type': 'bar', 'x': x, 'y': df['conservative'], 'name': 'Conservative', 'marker': {'color': '#0343df'}}, -            {'type': 'bar', 'x': x, 'y': df['labour'], 'name': 'Labour', 'marker': {'color': '#e50000'}}, -            {'type': 'bar', 'x': x, 'y': df['liberal'], 'name': 'Liberal', 'marker': {'color': '#ffff14'}}, -            {'type': 'bar', 'x': x, 'y': df['others'], 'name': 'Others', 'marker': {'color': '#929591'}}, -        ], -        'layout': { -            'title': {'text': 'Election results', 'x': 0.5}, -            'yaxis': {'title': 'Seats'}, -            'xaxis': { -                'tickmode': 'array', -                'tickvals': list(range(27)), -                'ticktext': tuple(df['year'].values), -            } +# 定义绘图数据 +fig = { +    'data': [ +        {'type': 'bar', 'x': x, 'y': df['conservative'], 'name': 'Conservative', 'marker': {'color': '#0343df'}}, +        {'type': 'bar', 'x': x, 'y': df['labour'], 'name': 'Labour', 'marker': {'color': '#e50000'}}, +        {'type': 'bar', 'x': x, 'y': df['liberal'], 'name': 'Liberal', 'marker': {'color': '#ffff14'}}, +        {'type': 'bar', 'x': x, 'y': df['others'], 'name': 'Others', 'marker': {'color': '#929591'}}, +    ], +    'layout': { +        'title': {'text': 'Election results', 'x': 0.5}, +        'yaxis': {'title': 'Seats'}, +        'xaxis': { +            'tickmode': 'array', +            'tickvals': list(range(27)), +            'ticktext': tuple(df['year'].values),         }     } +} -    # 告诉 Plotly 去渲染它 -    pio.show(fig) +# 告诉 Plotly 去渲染它 +pio.show(fig) ``` 最终结果与上次完全相同： ![A multi-bar plot made using JSON-like data structures][10] -A multi-bar plot made using JSON-like data structures (© 2019 [Anvil][9]) +*A multi-bar plot made using JSON-like data structures (© 2019 [Anvil][9])* #### 使用 Plotly Express 进行绘图 @@ -111,23 +126,23 @@ A multi-bar plot made using JSON-like data structures (© 2019 [Anvil][9]) 你可以使用一行代码来绘制柱状图： ``` -    # 导入 Plotly 和数据 -    import plotly.express as px -    from votes import long as df +# 导入 Plotly 和数据 +import plotly.express as px +from votes import long as df -    # 定义颜色字典获得自定义栏颜色 -    cmap = { -        'Conservative': '#0343df', -        'Labour': '#e50000', -        'Liberal': '#ffff14', -        'Others': '#929591', -    } -    -    # 生成图 -    fig = px.bar(df, x="year", y="seats", color="party", barmode="group", color_discrete_map=cmap) +# 定义颜色字典获得自定义栏颜色 +cmap = { +    'Conservative': '#0343df', +    'Labour': '#e50000', +    'Liberal': '#ffff14', +    'Others': '#929591', +} + +# 生成图 +fig = px.bar(df, x="year", y="seats", color="party", barmode="group", color_discrete_map=cmap) ``` -这里使用了 [Long Form][12] 数据，也称为“整洁数据”。这些列代表年份、政党和席位，而不是按政党划分。这与在 [Seaborn][13] 中制作柱状图非常相似。 +这里使用了[长表][12]Long Form 数据，也称为“整洁数据”。这些列代表年份、政党和席位，而不是按政党划分。这与在 [Seaborn][13] 中制作柱状图非常相似。 ``` >> print(long) @@ -147,38 +162,38 @@ A multi-bar plot made using JSON-like data structures (© 2019 [Anvil][9]) [108 rows x 3 columns] ``` -你可以访问底层的图对象 API 进行详细调整。如添加标题和 y 轴标签： +你可以访问底层的图对象 API 进行详细调整。如添加标题和 `y` 轴标签： ``` -    # 使用图对象 API 来调整绘图 -    import plotly.graph_objects as go -    fig.layout = go.Layout( -        title=go.layout.Title(text="Election results", x=0.5), -        yaxis_title="Seats", -    ) +# 使用图对象 API 来调整绘图 +import plotly.graph_objects as go +fig.layout = go.Layout( +    title=go.layout.Title(text="Election results", x=0.5), +    yaxis_title="Seats", +) ``` 最后，让 Plotly 渲染： ``` -    fig.show() +fig.show() ``` 这将在未使用的端口上运行一个临时 Web 服务器，并打开默认的 Web 浏览器来查看图像（Web 服务器将会马上被关闭）。 -不幸的是，结果并不完美。x 轴被视为整数，因此两组之间的距离很远且很小，这使得我们很难看到趋势。 +不幸的是，结果并不完美。`x` 轴被视为整数，因此两组之间的距离很远且很小，这使得我们很难看到趋势。 ![使用 Plotly Express 制作的柱状图][14] -A multi-bar plot made using Plotly Express (© 2019 [Anvil][9]) +*A multi-bar plot made using Plotly Express (© 2019 [Anvil][9])* -你可能会尝试通过将 x 值转换为字符串来使 Plotly Express 将其视为字符串，这样它就会以均匀的间隔和词法顺序来绘制。不幸的是，它们的间隔还是很大，设置 x 值不像在图对象中那样设置。 +你可能会尝试通过将 `x` 值转换为字符串来使 Plotly Express 将其视为字符串，这样它就会以均匀的间隔和词法顺序来绘制。不幸的是，它们的间隔还是很大，像在 `graph_objects`中那样设置 `xaxis_tickvals` 也不行。 -与 [Seaborn][13] 中的类似示例不同，在这种情况下，抽象似乎没有提供足够的[应急方案][15]来提供你想要的东西，但是也许你可以编写 _自己_ 的 API？ +与 [Seaborn][13] 中的类似示例不同，在这种情况下，抽象似乎没有提供足够的[应急方案][15]来提供你想要的东西，但是也许你可以编写*自己*的 API？ ### 构建自己的 Plotly API -对 Plotly 的操作方式不满意？构建自己的 Plotly API！ +对 Plotly 的操作方式不满意？那就构建自己的 Plotly API！ Plotly 的核心是一个 JavaScript 库，它使用 [D3][16] 和 [stack.gl][17] 进行绘图。JavaScript 库的接口使用指定的 JSON 结构来绘图。因此，你只需要输出 JavaScript 库喜欢使用的 JSON 结构就好了。 @@ -186,42 +201,42 @@ Anvil 这样做是为了创建一个完全在浏览器中工作的 Python Plotly ![Ployly 使用 JavaScript 库创建图形，由其它语言库通过 JSON 使用][18] -Plotly uses a JavaScript library to create plots, driven by libraries in other languages via JSON (© 2019 [Anvil][9]) +*Plotly uses a JavaScript library to create plots, driven by libraries in other languages via JSON (© 2019 [Anvil][9])* 在 Anvil 版本中，你可以同时使用图对象 API 和上面介绍的 Python 数据结构方法。运行完全相同的命令，将数据和布局分配给 Anvil 应用程序中的 [Plot 组件][19]。 -这是用 Anvil 的客户端 Python API 绘制的柱状图： +这是用 Anvil 的客户端 Python API 绘制的多列柱状图： ``` -# Import Anvil libraries +# 导入 Anvil 库 from ._anvil_designer import EntrypointTemplate from anvil import * import anvil.server -# Import client-side Plotly +# 导入客户端 Plotly import plotly.graph_objs as go -# This is an Anvil Form +# 这是一个 Anvil 表单 class Entrypoint(EntrypointTemplate):   def __init__(self, **properties):     # Set Form properties and Data Bindings.     self.init_components(**properties) -    # Fetch the data from the server +    # 从服务器获取数据     data = anvil.server.call('get_election_data')     -    #  Get a convenient list of x-values +    # 获取一个方便的 x 值列表     years = data['year']     x = list(range(len(years))) -    # Specify the plots +    # 定义绘图     bar_plots = [       go.Bar(x=x, y=data['conservative'], name='Conservative', marker=go.Marker(color='#0343df')),       go.Bar(x=x, y=data['labour'], name='Labour', marker=go.Marker(color='#e50000')),       go.Bar(x=x, y=data['liberal'], name='Liberal', marker=go.Marker(color='#ffff14')),       go.Bar(x=x, y=data['others'], name='Others', marker=go.Marker(color='#929591')),     ] -    # Specify the layout +    # 规定布局     layout = {       'title': 'Election results',       'yaxis': {'title': 'Seats'}, @@ -232,7 +247,7 @@ class Entrypoint(EntrypointTemplate):       },     } -    # Make the multi-bar plot +    # 生成多列柱状图     self.plot_1.data = bar_plots     self.plot_1.layout = layout ``` @@ -243,8 +258,7 @@ class Entrypoint(EntrypointTemplate): ![The election plot on the web using Anvil's client-side-Python Plotly library][20] -The election plot on the web using Anvil's [client-side-Python][21] Plotly library (© 2019 [Anvil][9]) -使用 Anvil 的 [Python 客户端][21] Plotly 库在网络上进行选举的情节 (© 2019 [Anvil][9]) +*The election plot on the web using Anvil's [client-side-Python][21] Plotly library (© 2019 [Anvil][9])* 你可以[复制此示例][22]作为一个 Anvil 应用程序（注意：Anvil 需要注册才能使用）。 @@ -252,60 +266,53 @@ The election plot on the web using Anvil's [client-side-Python][21] Plotly libra ### 在 Plotly 中自定义交互 -Plotly 绘图不仅是动态的，你可以自定义它们的互动行为。例如，你可以在每个条形图中使用 hovertemplate 自定义工具提示的格式： - +Plotly 绘图不仅是动态的，你可以自定义它们的互动行为。例如，你可以在每个柱状图中使用 `hovertemplate` 自定义工具提示的格式： ``` -    go.Bar( -      x=x, -      y=df['others'], -      name='others', -      marker=go.bar.Marker(color='#929591'), -      hovertemplate='Seats: <b>%{y}</b>', -    ), + go.Bar( + x=x, + y=df['others'], + name='others', + marker=go.bar.Marker(color='#929591'), + hovertemplate='Seats: %{y}', + ), ``` 当你把这个应用到每个柱状图时，你会看到以下结果： ![A multi-bar plot with custom tool-tips][23] -A multi-bar plot with custom tool-tips (© 2019 [Anvil][9]) +*A multi-bar plot with custom tool-tips (© 2019 [Anvil][9])* -这很有用，当你想要在某些事件发生时执行另一些事件时它会表现的更好（例如，当用户将鼠标悬停在栏上，你想要显示有关相关选择的信息框）。在 Anvil 的 Plotly 库中，你可以将事件处理程序绑定到诸如悬停之类的事件，这使得复杂的交互成为可能。 +这很有用，当你想要在某些事件发生时执行任何你想要的代码就更好了（例如，当用户将鼠标悬停在栏上，你想要显示一个相关选举的信息框）。在 Anvil 的 Plotly 库中，你可以将事件处理程序绑定到诸如悬停之类的事件，这使得复杂的交互成为可能。 ![A multi-bar plot with a hover event handler][24] -A multi-bar plot with a hover event handler (© 2019 [Anvil][9]) - +*A multi-bar plot with a hover event handler (© 2019 [Anvil][9])* 你可以通过将方法绑定到绘图的悬停事件来实现： ``` -  def plot_1_hover(self, points, **event_args): -    """This method is called when a data point is hovered.""" -    i = points[0]['point_number'] -    self.label_year.text = self.data['year'][i] -    self.label_con.text = self.data['conservative'][i] -    self.label_lab.text = self.data['labour'][i] -    self.label_lib.text = self.data['liberal'][i] -    self.label_oth.text = self.data['others'][i] -    url = f"" -    self.link_more_info.text = url -    self.link_more_info.url = url + def plot_1_hover(self, points, **event_args): + """This method is called when a data point is hovered.""" + i = points[0]['point_number'] + self.label_year.text = self.data['year'][i] + self.label_con.text = self.data['conservative'][i] + self.label_lab.text = self.data['labour'][i] + self.label_lib.text = self.data['liberal'][i] + self.label_oth.text = self.data['others'][i] + url = f"https://en.wikipedia.org/wiki/{self.data['year'][i]}_United_Kingdom_general_election" + self.link_more_info.text = url + self.link_more_info.url = url ``` -这是一种相当极端的交互性，从开发人员的角度来看，也是一种极端的可定制性。这都要归功于 Plotly 的架构 - 它有一个整洁的接口，明确设计用于构建自己的 API。到处都可以看到这种出色的设计！ +这是一种相当极端的交互性，从开发人员的角度来看，也是一种极端的可定制性。这都要归功于 Plotly 的架构 —— 它有一个简洁的接口，明确的设计是为了让你建立自己的API。如果到处都能看到这种伟大的设计，那将会很有帮助！ ### 使用 Bokeh 进行自定义交互 现在你已经了解了 Plotly 如何使用 JavaScript 来创建动态图，并且可以使用 Anvil 的客户端编写 Python 代码在浏览器中实时编辑它们。 -Bokeh 是另一个 Python 绘图库，它输出可嵌入 Web 应用程序的 HTML 文档，并获得与 Plotly 提供的功能类似的动态功能（如果你想知道如何发音，那就是 "BOE-kay"）。 - - -* * * - -_本文基于 Anvil 博客中的 [如何使用 Plotly 来绘图][9]一文，已允许使用。_ +Bokeh 是另一个 Python 绘图库，它可以输出可嵌入 Web 应用程序的 HTML 文档，并获得与 Plotly 提供的功能类似的动态功能（如果你想知道如何发音，那就是 “BOE-kay”）。 -------------------------------------------------------------------------------- @@ -314,7 +321,7 @@ via: https://opensource.com/article/20/5/plotly-python 作者：[Shaun Taylor-Morgan][a] 选题：[lujun9972][b] 译者：[MjSeven](https://github.com/MjSeven) -校对：[校对者ID](https://github.com/校对者ID) +校对：[wxy](https://github.com/wxy) 本文由 [LCTT](https://github.com/LCTT/TranslateProject) 原创编译，[Linux中国](https://linux.cn/) 荣誉推出 @@ -322,10 +329,10 @@ via: https://opensource.com/article/20/5/plotly-python [b]: https://github.com/lujun9972 [1]: https://opensource.com/sites/default/files/styles/image-full-size/public/lead-images/colorful_sound_wave.png?itok=jlUJG0bM (Colorful sound wave graph) [2]: https://opensource.com/resources/python -[3]: https://opensource.com/article/20/4/plot-data-python -[4]: tmp.c4bQMTUIxx#GraphObjects -[5]: tmp.c4bQMTUIxx#DataDrivenAPI -[6]: tmp.c4bQMTUIxx#PlotlyExpress +[3]: https://linux.cn/article-12327-1.html +[4]: https://opensource.com/article/20/4/install-python-linux +[5]: thttps://opensource.com/article/19/5/python-3-default-mac +[6]: https://opensource.com/article/19/8/how-install-python-windows [7]: https://opensource.com/article/20/5/matplotlib-python [8]: https://opensource.com/sites/default/files/uploads/plotly.png (A multi-bar plot made using Graph Objects) [9]: https://anvil.works/blog/plotting-in-plotly