野路子码农系列（3）plotly可视化的简单套路

标签：出图   tools   rap   不同   ted   view   connected   plot   空白   

又双叒叕要跟客户汇报了，图都准备好了吗？matplotlib出图嫌丑？那用用plotly吧，让你的图看上去经费爆炸~

P1 起因

第一次接触plotly这个库是在我们做的一个列车信号数据挖掘的项目里，当时用下来总觉得有些云里雾里的，感觉非常不方便，API也不熟悉。后来又在别的项目上摸索了几次，突然发现这个库套路还是很清晰的，可能我对官方教程的理解还不太透彻。于是我打算把自己摸索出来的内容写下来。本文仅针对离线绘图，即使用 plotly.offline.iplot(fig) 绘图。

P2 整体框架

首先我们导入一些必要的内容：

import plotly
from plotly.offline import download_plotlyjs, init_notebook_mode, plot, iplot
import plotly.graph_objs as go
from plotly import tools
init_notebook_mode(connected=True)

如果你在Jupyter Notebook中发现你的图无法显示，或者一篇空白，请检查右上角是否为"Trusted"状态，不是话点一下，将其转为Trusted，如还不显示，就试试Ctrl+F5强制刷新。

官方的教程主要是基于一个个单独的实例，不太容易举一反三。但其实plotly的套路非常简单朴实。

总体来说，当我们绘制一张图时，我们需要通过一个go.Figure实例，我们可以把它当做画布。在go.Figure中，有2个东西十分重要，一个是data，主要是我们的数据；另一个是layout，关乎图面布局。

data传入的是一个列表，里面可以包含一组或多组数据，每一组数据被封装在一个图形实例中，比如go.Scatter（线图）或者go.Heatmap（热力图），每个图形实例中都包含了数据本身，以及和数据相关的某些绘图属性。

layout传入的则是一个go.Layout实例，我们可以为其增加不同的属性来实现对图面布局的控制。

而当我们需要分图时，我们会使用tools.make_subplots()，并通过append_trace()来将data贴进不同的分图，其他都是大同小异，依旧使用layout来控制图面。

P3 示例代码

我分别针对最常用的几种图：线图、条形图、地图和热力图写了一些示例代码，详见：

https://nbviewer.jupyter.org/github/SilenceGTX/plotly_demo/blob/bbb1fdbc6ee9706cbbbacc5f72444e6f4111b346/plotly_visualization_Demo.ipynb

野路子码农系列（3）plotly可视化的简单套路

标签：出图   tools   rap   不同   ted   view   connected   plot   空白   

原文地址：https://www.cnblogs.com/silence-gtx/p/10667131.html