行业知识
python Plotly可视化
2026-11-16 01:44:31
来源：互联网转载
文章目录
- Plotly
- 常用函数
- PolarPlotly
- make_subplots
- add_trace
- go.Scatterpolargl
- update_traces
- update_layout
- 综合示例
- 完���版
Python在数据可视化方面有着丰富的库和函数，其中一些常用的库包括 Matplotlib、Seaborn、Plotly、Bokeh等。
Plotly是一个交互式绘图库，支持创建多种类型的图表，并允许图表在Web浏览器中呈现
（）Plotly
在Python中，Plotly的主要接口是plotly.graph_objects（通常简写为go），它提供了一系列函数来创建各种类型的图表。
常用函数
go.Line()：绘制折线图
（）go.Scatter(): 绘制散点图
go.Bar(): 绘制条形图
go.Histogram(): 绘制直方图
go.Box(): 绘制箱线图
go.Subplot(): 创建子图
fig.update_layout()：设置图表的标题和坐标轴标签
fig.show()：显示图表
PolarPlotly
PolarPlotly 通常指的是使用 Plotly 库在极坐标系统中绘制图形。Plotly 是一个强大的交互式绘图库，支持多种类型的图表，包括极坐标图。
import plotly.graph_objects as go def PolarPlotly(r, theta, mode='lines', line_color='blue', fill_color='none', title='Polar Plot', filename='polar_plot.html'): """ 使用 Plotly 在极坐标中绘制图形。 参数: r (list/array): 半径值列表。 theta (list/array): 极角值列表（以弧度为单位）。 mode (str, 可选): 绘图模式，可以是 'lines', 'markers', 'lines+markers'。默认为 'lines'。 line_color (str, 可选): 线条颜色。默认为 'blue'。 fill_color (str, 可选): 填充颜色。默认为 'none'。 title (str, 可选): 图表标题。默认为 'Polar Plot'。 filename (str, 可选): 保存的 HTML 文件名。默认为 'polar_plot.html'。 """ # 创建极坐标图形对象 fig = go.Figure(data=[go.Scatterpolar( r=r, theta=theta, mode=mode, line=dict(color=line_color), fill='toself' if fill_color != 'none' else 'none', fillcolor=fill_color )]) # 设置图表标题和极坐标轴标签 fig.update_layout( polar=dict( radialaxis=dict( visible=True, range=[min(r) if min(r) > 0 else 0, max(r)] ), angularaxis=dict( thetaunit='radians', rotation=90 ) ), title=title ) # 显示或保存图表 fig.show() fig.write_html(filename) # 示例用法 r = [1, 2, 3, 2, 1] theta = [0, 0.5*np.pi, np.pi, 1.5*np.pi, 2*np.pi] PolarPlotly(r, theta, mode='lines+markers', fill_color='lightblue', title='Sample Polar Plot')
1.这个函数依赖于 plotly.graph_objects 模块。
2.r 和 theta 应该是等长的列表或数组。
3.theta 的值应该是以弧度为单位的极角。
4.函数将生成一个交互式图表，并保存为 HTML 文件。
make_subplots
make_subplots 是一个用于创建多子图布局的函数，包括极坐标子图、直角坐标子图等。它允许你在一个图表中组合多个极坐标图或其他类型的子图。
import plotly.subplots as make_subplots # 创建一个包含两个极坐标子图的图表布局 fig = make_subplots(rows=1, cols=2, subplot_titles=('Polar Subplot 1', 'Polar Subplot 2'), polar=True)add_trace
add_trace 是一个用于向已存在的图表布局中添加迹（trace）的函数。迹是图表中绘制的数据系列。
fig.add_trace(go.Scatterpolar(r=[1, 2, 3], theta=[0, 1.5, 3] * np.pi), row=1, col=1)
go.Scatterpolargl
go.Scatterpolargl 是 Plotly Graph Objects 中用于创建极坐标散点图或线图的一个类。gl 表示它是使用 WebGL 渲染的，通常用于支持大量的数据点。
import plotly.graph_objects as go fig.add_trace(go.Scatterpolargl(r=[1, 2, 3], theta=[0, 1.5, 3] * np.pi, mode='lines+markers'))
mode='lines'|'markers'|'lines+markers', # 绘图模式
update_traces
update_traces 是一个用于更新图表中所有迹的属性的函数。你可以用它来更改多个迹的公共属性，例如颜色、线型等。
fig.update_traces(line_color='red', marker_size=10)
update_layout
update_layout 是一个用于更新图表布局的函数。你可以用它来设置标题、坐标轴标签、图例等。
fig.update_layout( title='My Polar Plot', polar=dict( radialaxis=dict(visible=True, range=[0, 4]), angularaxis=dict(thetaunit='radians', rotation=90) ) )
综合示例
下面是一个综合使用这些函数的示例，创建一个包含单个极坐标子图的图表：
import plotly.graph_objects as go import numpy as np # 创建极坐标子图布局 fig = make_subplots(rows=1, cols=1, polar=True) # 添加迹 fig.add_trace(go.Scatterpolargl( r=[1, 2, 3, 2, 1], theta=[0, 0.5*np.pi, np.pi, 1.5*np.pi, 2*np.pi], mode='lines+markers', line=dict(color='blue'), fill='toself', fillcolor='lightblue' )) # 更新迹和布局 fig.update_traces(line_color='red', marker_size=10) fig.update_layout( title='Polar Plot Example', polar=dict( radialaxis=dict(visible=True, range=[0, 4]), angularaxis=dict(thetaunit='radians', rotation=90) ) ) # 显示图表 fig.show()
首先使用 make_subplots 创建了一个极坐标子图布局。然后，我们使用 add_trace 添加了一个 go.Scatterpolargl 迹。接着，我们使用 update_traces 更改了迹的线条颜色和标记大小，并使用 update_layout 设置了图表的标题和极坐标轴的属性。最后，我们使用 show 方法显示了图表。
完整版
import osimport syssys.path.append(os.path.abspath(os.path.dirname(os.getcwd())))import reimport gcimport numpy as npimport pandas as pdimport randomimport mathimport globimport timeimport sysfrom itertools import groupby as iter_groupbyimport matplotlib.pyplot as pltimport plotly.graph_objects as goimport plotly.express as pxfrom plotly.subplots import make_subplots# 支持中文plt.rcParams['font.sans-serif'] = ['SimHei'] # 用来正常显示中文标签plt.rcParams['axes.unicode_minus'] = False # 用来正常显示负号plt.rcParams['savefig.dpi'] = 100 #图片像素plt.rcParams['figure.dpi'] = 100 #分辨率import warningswarnings.filterwarnings("ignore")#dataframe输出时列名对齐pd.set_option('display.unicode.ambiguous_as_wide', True)pd.set_option('display.unicode.east_asian_width', True)pd.set_option('display.width',2000)'''原始数据可视化：极坐标动态图'''def PolarPlotly(data,rname,anglename,titlesname,groupnames,legendgroupnumber,text,legendtxt='',title='',zname=False):# err:固定误差 """ 极坐标动态图 -------- data:dataframe rname:str,需要画图的列名 anglename:str,角度列名 titlesname:str,所画的 名称 groupnames:list,需要分组的列名 legendgroupnumber:int,lengendgroup在groupnames的位置 text:list,[文字,col],text的列名 legendtxt:legendtext的标注，默认为 '' title='':标题前面要增加的字符 """ fig=make_subplots(rows=1,cols=1,specs=[[{'type': 'polar'}]]) textcol=[text[1]] if type(text[1])==str else text[1] znamecol=[] if zname==False else zname plot_columns=[rname,anglename]+groupnames+textcol+znamecol plot_columns=list(set(plot_columns)) GroupData=data[plot_columns].groupby(groupnames) legendgroupnames=[] for key,MidData in GroupData: if isinstance(key, tuple): legendgroup=str(key[legendgroupnumber]) else: legendgroup=str(key) #legendgroup=str(key) if type(key)==str else str(key[legendgroupnumber]) showlegend=True if legendgroup not in legendgroupnames else False r=MidData[rname] theta=MidData[anglename] texts=[text[0]+':'+str(i) for i in MidData[text[1]]] fig.add_trace(go.Scatterpolargl(#'_'.join([str(i) for i in key]) r=r,theta=theta,mode='markers',name=legendtxt+legendgroup,showlegend=showlegend, legendgroup=legendgroup,text=texts#go.scattergl:大容量数据,showlegend=False ),row=1,col=1) if zname !=False: for zn in zname: z=MidData[zn] fig.add_trace(go.Scatterpolargl(#'_'.join([str(i) for i in key]) r=z,theta=theta,mode='markers',name=legendtxt+legendgroup+'_'+zn,showlegend=showlegend, legendgroup=legendgroup,text=texts#go.scattergl:大容量数据,showlegend=False ),row=1,col=1) legendgroupnames.append(legendgroup) fig.update_traces(mode='markers',marker_size=3)#, marker_line_width=2 fig.update_layout(title='{}{}极坐标图'.format(title,titlesname), #yaxis_zeroline=False, #xaxis_zeroline=False, polar = dict( radialaxis_tickfont_size = 8, angularaxis = dict( tickfont_size = 8, rotation = -90, ) ), polar2 = dict( radialaxis_tickfont_size = 8, angularaxis = dict( tickfont_size = 8, rotation = -90, ) ), width=1000, height=800, #xaxis_title='角度', #yaxis_title='随机误差(mm)', template='plotly_white')#template换主题 return fig def ScatterPlotly(data,xname,yname,xtitle,ytitle,groupnames,legendgroupnumber,text,legendtxt='',title='',zname=False):# err:固定误差 """ 散点图动态图 -------- data:dataframe xname:str,需要画图的x轴列名 yname:str,需要画图的y轴列名 xtitle:str ytitle:str groupnames:list,需要分组的列名 legendgroupnumber:int,lengendgroup在groupnames的位置 text:list,[文字,col] legendtxt:legendtext的标注，默认为 '' title='':标题前面要增加的字符 zname:列表 xyname:列表，另外的xname，yname """ fig=go.Figure() textcol=[text[1]] if type(text[1])==str else text[1] znamecol=[] if zname==False else zname plot_columns=[xname,yname]+groupnames+textcol+znamecol plot_columns=list(set(plot_columns)) GroupData=data.groupby(groupnames) legendgroupnames=[] for key,MidData in GroupData: if isinstance(key, tuple): legendgroup=str(key[legendgroupnumber]) else: legendgroup=str(key) showlegend=True if legendgroup not in legendgroupnames else False x=MidData[xname] y=MidData[yname] texts=[str(text[0])+':'+str(i) for i in MidData[text[1]].values.tolist()] #texts=[text[0]+str(i) for i in MidData[text[1]]] fig.add_trace(go.Scattergl( x=x,y=y,mode='markers',name=legendtxt+legendgroup,showlegend=showlegend, legendgroup=legendgroup,text=texts#go.scattergl:大容量数据,showlegend=False ),) if zname !=False: for zn in zname: z=MidData[zn] fig.add_trace(go.Scattergl( x=x,y=z,mode='markers',name=legendtxt+legendgroup+'_'+zn,showlegend=showlegend, legendgroup=legendgroup,text=texts#go.scattergl:大容量数据,showlegend=False ),) legendgroupnames.append(legendgroup) fig.update_traces(mode='markers',marker_size=3)#, marker_line_width=2 fig.update_layout(title='{}{}和{}的散点图'.format(title,xtitle,ytitle), yaxis_zeroline=False, xaxis_zeroline=False, width=1000, height=600, xaxis_title=xtitle, yaxis_title=ytitle, template='plotly_white')#template换主题 return fig代码块解析：
for key,MidData in GroupData: if isinstance(key, tuple): legendgroup=str(key[legendgroupnumber]) else: legendgroup=str(key)''' 这段代码是Python中的一部分，它遍历一个名为GroupData的可迭代对象（可能是一个列表、元组或其他可迭代对象），该对象包含键值对。对于GroupData中的每一对键值对，它都会执行一些操作，具体取决于键的类型。for key, MidData in GroupData:这一行是一个for循环，用于遍历GroupData中的每一项。它假设GroupData是一个由键值对组成的可迭代对象，如列表的列表、元组的元组等。每次迭代中，key会被赋值为当前的键，MidData会被赋值为对应的值。if isinstance(key, tuple):这一行检查key是否是一个元组。isinstance()函数用于检查对象的类型是否是指定类型（在这种情况下是元组）。legendgroup=str(key[legendgroupnumber])如果key是一个元组，这一行会执行。它取key中的第legendgroupnumber个元素（这里假设legendgroupnumber是一个已定义的变量），并将其转换为字符串。然后，它将这个字符串赋值给legendgroup变量。else:如果key不是一个元组，那么会执行这个else块。legendgroup=str(key)在else块中，key被转换为字符串，并赋值给legendgroup变量。这段代码的主要目的是根据key的类型（是否是元组）来设置legendgroup变量的值。如果key是元组，它会取元组中的特定元素；否则，它会直接使用key的值。这通常用于数据可视化中，特别是在设置图例组（legend group）时，根据数据的不同属性（如类别、分组等）来区分不同的数据系列。'''
