野路子碼農系列（3）plotly可視化的簡單套路

又雙叒叕要跟客戶彙報了，圖都準備好了嗎？matplotlib出圖嫌醜？那用用plotly吧，讓你的圖看上去經費爆炸~

 

P1 原由

第一次接觸plotly這個庫是在咱們作的一個列車信號數據挖掘的項目裏，當時用下來總以爲有些雲裏霧裏的，感受很是不方便，API也不熟悉。後來又在別的項目上摸索了幾回，忽然發現這個庫套路仍是很清晰的，可能我對官方教程的理解還不太透徹。因而我打算把本身摸索出來的內容寫下來。本文僅針對離線繪圖，即便用 plotly.offline.iplot(fig) 繪圖。

 

P2 總體框架

首先咱們導入一些必要的內容：

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)

若是你在Jupyter Notebook中發現你的圖沒法顯示，或者一篇空白，請檢查右上角是否爲"Trusted"狀態，不是話點一下，將其轉爲Trusted，如還不顯示，就試試Ctrl+F5強制刷新。

官方的教程主要是基於一個個單獨的實例，不太容易觸類旁通。但其實plotly的套路很是簡單樸實。

整體來講，當咱們繪製一張圖時，咱們須要經過一個go.Figure實例，咱們能夠把它當作畫布。在go.Figure中，有2個東西十分重要，一個是data，主要是咱們的數據；另外一個是layout，關乎圖面佈局。

data傳入的是一個列表，裏面能夠包含一組或多組數據，每一組數據被封裝在一個圖形實例中，好比go.Scatter（線圖）或者go.Heatmap（熱力圖），每一個圖形實例中都包含了數據自己，以及和數據相關的某些繪圖屬性。

layout傳入的則是一個go.Layout實例，咱們能夠爲其增長不一樣的屬性來實現對圖面佈局的控制。

而當咱們須要分圖時，咱們會使用tools.make_subplots()，並經過append_trace()來將data貼進不一樣的分圖，其餘都是大同小異，依舊使用layout來控制圖面。

 

P3 示例代碼

我分別針對最經常使用的幾種圖：線圖、條形圖、地圖和熱力圖寫了一些示例代碼，詳見：

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