mirror of
https://github.com/LCTT/TranslateProject.git
synced 2024-12-29 21:41:00 +08:00
354 lines
14 KiB
Markdown
354 lines
14 KiB
Markdown
[#]: collector: (lujun9972)
|
||
[#]: translator: (MjSeven)
|
||
[#]: reviewer: (wxy)
|
||
[#]: publisher: (wxy)
|
||
[#]: url: (https://linux.cn/article-12356-1.html)
|
||
[#]: subject: (Simplify data visualization in Python with Plotly)
|
||
[#]: via: (https://opensource.com/article/20/5/plotly-python)
|
||
[#]: author: (Shaun Taylor-Morgan https://opensource.com/users/shaun-taylor-morgan)
|
||
|
||
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。
|
||
|
||
|
||
|
||
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
|
||
* 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
|
||
|
||
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。
|
||
|
||
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 `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
|
||
|
||
# 得到 x 列表
|
||
years = df['year']
|
||
x = list(range(len(years)))
|
||
|
||
# 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),
|
||
)
|
||
|
||
# 绘制柱状图
|
||
fig = go.Figure(data=bar_plots, layout=layout)
|
||
|
||
# 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。
|
||
|
||
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])*
|
||
|
||
### 使用 Python 数据结构来绘图
|
||
|
||
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。
|
||
|
||
```
|
||
# 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)
|
||
```
|
||
|
||
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])*
|
||
|
||
#### 使用 Plotly Express 进行绘图
|
||
|
||
[Plotly Express][11] 是对图对象进行封装的高级 API。
|
||
|
||
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
|
||
|
||
# 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<ruby>[长表][12]<rt>Long Form</rt></ruby> 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)
|
||
year party seats
|
||
0 1922 Conservative 344
|
||
1 1923 Conservative 258
|
||
2 1924 Conservative 412
|
||
3 1929 Conservative 260
|
||
4 1931 Conservative 470
|
||
.. ... ... ...
|
||
103 2005 Others 30
|
||
104 2010 Others 29
|
||
105 2015 Others 80
|
||
106 2017 Others 59
|
||
107 2019 Others 72
|
||
|
||
[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：
|
||
|
||
```
|
||
# 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()
|
||
```
|
||
|
||
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。
|
||
|
||
![使用 Plotly Express 制作的柱状图][14]
|
||
|
||
*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，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？
|
||
|
||
### 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。
|
||
|
||
Anvil 这样做是为了创建一个完全在浏览器中工作的 Python Plotly API。
|
||
|
||
![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])*
|
||
|
||
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 绘制的多列柱状图：
|
||
|
||
```
|
||
# 导入 Anvil 库
|
||
from ._anvil_designer import EntrypointTemplate
|
||
from anvil import *
|
||
import anvil.server
|
||
|
||
# 导入客户端 Plotly
|
||
import plotly.graph_objs as go
|
||
|
||
# 这是一个 Anvil 表单
|
||
class Entrypoint(EntrypointTemplate):
|
||
def __init__(self, **properties):
|
||
# Set Form properties and Data Bindings.
|
||
self.init_components(**properties)
|
||
|
||
# 从服务器获取数据
|
||
data = anvil.server.call('get_election_data')
|
||
|
||
# 获取一个方便的 x 值列表
|
||
years = data['year']
|
||
x = list(range(len(years)))
|
||
|
||
# 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')),
|
||
]
|
||
# 规定布局
|
||
layout = {
|
||
'title': 'Election results',
|
||
'yaxis': {'title': 'Seats'},
|
||
'xaxis': {
|
||
'tickmode': 'array',
|
||
'tickvals': list(range(27)),
|
||
'ticktext': data['year'],
|
||
},
|
||
}
|
||
|
||
# 生成多列柱状图
|
||
self.plot_1.data = bar_plots
|
||
self.plot_1.layout = layout
|
||
```
|
||
|
||
绘图逻辑与上面相同，但是它完全在 Web 浏览器中运行，绘图是由用户计算机上的 Plotly JavaScript 库完成的！与本系列的所有其它 [Python 绘图库][3]相比，这是一个很大的优势。因为其它 Python 库都需要在服务器上运行。
|
||
|
||
这是在 Anvil 应用中运行的交互式 Plotly 图：
|
||
|
||
![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])*
|
||
|
||
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）。
|
||
|
||
在前端运行 Plotly 还有另一个优势：它为自定义交互行为提供了更多选项。
|
||
|
||
### 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>',
|
||
),
|
||
```
|
||
|
||
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])*
|
||
|
||
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])*
|
||
|
||
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"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”）。
|
||
|
||
--------------------------------------------------------------------------------
|
||
|
||
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：[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
|
||
|
||
[a]: https://opensource.com/users/shaun-taylor-morgan
|
||
[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://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
|
||
[10]: https://opensource.com/sites/default/files/uploads/plotly-pio.png (A multi-bar plot made using JSON-like data structures)
|
||
[11]: https://plot.ly/python/plotly-express/
|
||
[12]: https://anvil.works/blog/tidy-data
|
||
[13]: https://opensource.com/article/20/5/seaborn-visualization-python
|
||
[14]: https://opensource.com/sites/default/files/uploads/plotly-express.png (A multi-bar plot made using Plotly Express)
|
||
[15]: https://anvil.works/blog/escape-hatches-and-ejector-seats
|
||
[16]: https://d3js.org/
|
||
[17]: http://stack.gl/
|
||
[18]: https://opensource.com/sites/default/files/uploads/plotly-arch.png (Plotly uses a JavaScript library to create plots, driven by libraries in other languages via JSON)
|
||
[19]: https://anvil.works/docs/client/components/plots
|
||
[20]: https://opensource.com/sites/default/files/uploads/plotting-in-anvil.gif (The election plot on the web using Anvil's client-side-Python Plotly library)
|
||
[21]: https://anvil.works/docs/client/python
|
||
[22]: https://anvil.works/login?app-name=Plotting%20in%20Plotly&app-author=shaun%40anvil.works
|
||
[23]: https://opensource.com/sites/default/files/uploads/plotly-tooltips.png (A multi-bar plot with custom tool-tips)
|
||
[24]: https://opensource.com/sites/default/files/uploads/plotly-event-handling.gif (A multi-bar plot with a hover event handler)
|