plotly笔记-- 图形设置（多图标、双坐标轴、多子图）

柔情只为你懂 2023-07-24 13:19 9阅读 0赞

# plotly笔记-- 图形设置 #

### 文章目录 ###

*  plotly笔记-- 图形设置
 *   *  准备工作
     *  1、多图标
     *  2、双坐标轴
     *  3、多子图

这篇文章将简单描述plotly图形设置相关的内容，文中使用到的数据是从天池下载的经典泰坦尼克训练数据集，需要此数据的小朋友们可以前往天池下载，我也会将文中使用到的数据和源代码放在Github上以便下载： [Github][]

## 准备工作 ##

这次笔记所用数据与上篇文章相同，所以前期准备工作也是相同的

import pandas as pd
    import numpy as np
    import os
    # 查看当前路径
    os.getcwd()
    # 更改当前工作目录
    os.chdir("F:/天池数据集/泰坦尼克/")
    # 将目录里的内容输出为列表
    os.listdir()

![在这里插入图片描述][20200411234902752.png]

# 读入数据
    titain_data = pd.read_csv("titanic_train.csv")
    # 对数据情况大致了解一下
    titain_data.head()
    titain_data.info()
    titain_data.describe()

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDM5MDQ2Mg_size_16_color_FFFFFF_t_70]

# 对Age项统计缺失值
    titain_data["Age"].isnull().sum()
    # 对Age的空值进行前向替换
    titain_data["Age"].fillna(method="ffill", inplace=True)
    titain_data["Age"].isnull().sum()
    titain_data["Age"].describe()

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDM5MDQ2Mg_size_16_color_FFFFFF_t_70 1]

# 对数据中年龄进行分段统计
    w = [0, 15, 30, 45, 60, 100]
    titain_data["Age_bin"] = pd.cut(
        titain_data["Age"],
        bins=w,
        labels=['0-15岁', '15-30岁', '30-45岁', '45-60岁', '60岁以上'],
        right=False)
    Age_x = titain_data["Age_bin"].value_counts(sort=False)
    # titain_data.head()
    Age_x
    # x = list(Age_x.index)
    # y = Age_x.values

![在这里插入图片][20200411235011948.png]

## 1、多图标 ##

不同图形的组合展示  
例如：柱状图+线形图

import plotly.graph_objects as go
    # 多图标
    # 例如：柱状图+线形图
    mean_value = np.mean(Age_x.values.tolist())
    # 将mean_value沿X轴复制
    y = np.tile(mean_value,5)
    y

![在这里插入图片描述][20200412002535821.png]

trace_bar = go.Bar(x=Age_x.index.tolist(),
                       y=Age_x.values.tolist(),
                       marker=dict(
                           color=["blue", "red", "green", "indianred", "darkgrey"],
                           opacity=0.4),
                       name="Bar")
    trace_average = go.Scatter(x=Age_x.index.tolist(),
                               y=y,
                               mode="lines",
                               name="平均值")
    data = [trace_bar, trace_average]
    layout = go.Layout(title="不同年龄段人数对比", xaxis=dict(title="年龄段"))
    fig = go.Figure(data=data, layout=layout)
    fig.show()

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDM5MDQ2Mg_size_16_color_FFFFFF_t_70 2]

## 2、双坐标轴 ##

N = 50
    random_x = np.linspace(0, 1, N)
    random_y0 = np.random.randn(N)
    random_y1 = np.random.randn(N) * 150
    
    #Create traces
    trace0 = go.Scatter(x=random_x, y=random_y0, mode='lines', name='小数值展示')
    trace1 = go.Scatter(x=random_x,
                        y=random_y1,
                        mode='lines+markers',
                        name='大数值展示',
                        yaxis="y2")
    
    data1 = [trace0, trace1]
    
    # go.Layout可以创建图层对象，实现双坐标
    layout = go.Layout(title="双坐标示例图",
                       yaxis=dict(title="小数值"),
                       yaxis2=dict(title="大数值", overlaying='y', side="right"),
                       legend=dict(x=0, y=1, font=dict(size=12, color="black")))
    fig = go.Figure(data=data1, layout=layout)
    fig.show()

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDM5MDQ2Mg_size_16_color_FFFFFF_t_70 3]

## 3、多子图 ##

# 多子图绘制 如：将上面用到的图形一起绘制
    # 导入subplots（类似matplotlib）
    from plotly import subplots
    
    # 设定布局，以便进行绘图，这儿是两行一列
    fig = subplots.make_subplots(rows=2,cols=1)
    #This is the format of your plot grid:
    #[ (1,1) x1,y1 ] 
    #[ (2,1) x2,y2 ] 
    
    fig.append_trace(trace_bar,1,1)
    fig.append_trace(trace0,2,1)
    
    # 设定每个子图的占位情况
    fig.layout.yaxis1.domain = [0.35,1.0]
    fig.layout.yaxis2.domain = [0,0.3]
    
    # 设定整个fig的大小
    fig.layout.width = 800
    fig.layout.height = 600
    fig.show()

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDM5MDQ2Mg_size_16_color_FFFFFF_t_70 4]

更多关于Subplots相关内容可以参考官方文档：[Subplots][]

[Github]: https://github.com/GraceYaa/Data-Visualisation
[20200411234902752.png]: /images/20230528/b947beddc36e46359808e27aac0f45c6.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDM5MDQ2Mg_size_16_color_FFFFFF_t_70]: /images/20230528/6753db3e71c440a4bfda481be98d1d69.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDM5MDQ2Mg_size_16_color_FFFFFF_t_70 1]: /images/20230528/110c0e19531e4cabab1388aade14083d.png
[20200411235011948.png]: /images/20230528/66333b0bf1314e70915062bbd1d9458e.png
[20200412002535821.png]: /images/20230528/f6d2b2f8be93484bb3840bda1ab199f6.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDM5MDQ2Mg_size_16_color_FFFFFF_t_70 2]: /images/20230528/9c7c77f18713424f9e7bdde39e9d68ef.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDM5MDQ2Mg_size_16_color_FFFFFF_t_70 3]: /images/20230528/57feadc2d0994707acac61390396c828.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDM5MDQ2Mg_size_16_color_FFFFFF_t_70 4]: /images/20230528/51c6c2a176fe48978236e939f831a936.png
[Subplots]: https://plotly.com/python/subplots/