用 Python 当中 Plotly.Express 模块绘制几张图表，真的被惊艳到了！！

2022-06-21 19:11:52来源：互联网

文章导读: 作者 | 俊欣来源 | 关于数据分析与可视化相信大家对一些常规的可视化图表都比较熟悉了，例如像是折线图、柱状图、饼图等等，今天小编通过 Plotly Express 模块来为大家绘制几个不常见但是 ...

作者 | 俊欣来源 | 关于数据分析与可视化相信大家对一些常规的可视化图表都比较熟悉了，例如像是折线图、柱状图、饼图等等，今天小编通过Plotly Express模块来为大家绘制几个不常见但是特别惊艳的图表。

SunBurst Chart

SunBurst Chart大家一般称作是旭日图或者是太阳图，和饼图的结构十分地相似，但是比后者更加能表达清晰的层级和归属关系。在旭日图当中，离圆点越近表示级别就越高，相邻两层中是内层包含外层的关系。

在实际项目当中使用旭日图，不仅数据直观，而且图表使用起来特别的酷炫，可以迅速地拉高数据汇报的颜值。代码如下：

importplotly.expressaspx
importnumpyasnp
df=px.data.gapminder().query("year==2002")
fig=px.sunburst(df,path=['continent','country'],values='pop',
color='lifeExp',hover_data=['iso_alpha'],
color_continuous_scale='RdBu',
color_continuous_midpoint=np.average(df['lifeExp'],weights=df['pop']))
fig.show()
output

用 Python 当中 Plotly.Express 模块绘制几张图表，真的被惊艳到了！！

当中的textinfo参数来调整标签的表达形式，例如以百分比的形式来显示所占的比例，代码如下：fig=px.sunburst(...和上面的代码一样...)
fig.update_traces(
textinfo="label+percententry"
)
fig.show()
output

用 Python 当中 Plotly.Express 模块绘制几张图表，真的被惊艳到了！！

Treemap

树形图(Treemap)适用于层级结构更加鲜明的数据当中，在一个树形图中，图表被分割成了若干个矩形，其中矩形的大小有数值的大小而定，我们来看一下具体的代码实现

fig=px.treemap(df,path=[px.Constant("world"),'continent','country'],values='pop',
color='lifeExp',hover_data=['iso_alpha'],
color_continuous_scale='RdBu',
color_continuous_midpoint=np.average(df['lifeExp'],weights=df['pop']))
fig.update_layout(margin=dict(t=50,l=25,r=25,b=25))
fig.show()
output

用 Python 当中 Plotly.Express 模块绘制几张图表，真的被惊艳到了！！

Polar Charts

在plotly.express模块当中，我们既可以在极坐标图当中添加散点，也可以在上面放置折线，其中极坐标中的散点图调用的是px.scatter_polar()方法来实现，代码如下：importplotly.expressaspx
df=px.data.wind()
fig=px.scatter_polar(df,r="frequency",theta="direction",
color="strength",symbol="strength",size="frequency",
color_discrete_sequence=px.colors.sequential.Plasma_r)
fig.show()
output

用 Python 当中 Plotly.Express 模块绘制几张图表，真的被惊艳到了！！

极坐标中的折线图调用的则是px.line_polar()方法，代码如下fig=px.line_polar(df,r="frequency",theta="direction",color="strength",line_close=True,
color_discrete_sequence=px.colors.sequential.Plasma_r,
template="plotly_dark",)
fig.show()
output

用 Python 当中 Plotly.Express 模块绘制几张图表，真的被惊艳到了！！

Gantt Charts

甘特图(GanttCharts)被用来表示项目工程的进展十分有帮助，其中纵轴表示的是项目的名称，横轴表示的是日期，能够非常直观地表达项目的周期以及进展，代码如下df=pd.DataFrame([
dict(Task="JobA",Start='2009-01-01',Finish='2009-02-28'),
dict(Task="JobB",Start='2009-03-05',Finish='2009-04-15'),
dict(Task="JobC",Start='2009-02-20',Finish='2009-05-30')
])

df.head()
output

用 Python 当中 Plotly.Express 模块绘制几张图表，真的被惊艳到了！！

数据当中有项目的开始日期和结束日期，然后我们调用px.timeline方法来绘制成桑基图，代码如下fig=px.timeline(df,x_start="Start",x_end="Finish",y="Task")
fig.update_yaxes(autorange="reversed")
fig.show()

output

用 Python 当中 Plotly.Express 模块绘制几张图表，真的被惊艳到了！！

当然要是不同的项目由不用的人来负责，我们也可以在图表上面标注出来，代码如下

df=pd.DataFrame([
dict(Task="JobA",StartDate='2009-01-01',FinishDate='2009-02-28',PorjectManager="小王"),
dict(Task="JobB",StartDate='2009-03-05',FinishDate='2009-04-15',PorjectManager="小王"),
dict(Task="JobC",StartDate='2009-02-20',FinishDate='2009-05-30',PorjectManager="小李")
])

fig=px.timeline(df,x_start="StartDate",x_end="Finish",y="Task",color="PorjectManager")
fig.update_yaxes(autorange="reversed")
fig.show()
output

用 Python 当中 Plotly.Express 模块绘制几张图表，真的被惊艳到了！！

当然项目的完成进度也可以在图表上面表示出来，代码如下df=pd.DataFrame([
dict(Task="JobA",StartDate='2009-01-01',FinishDate='2009-02-25',Completion_pct=60),
dict(Task="JobB",StartDate='2009-03-05',FinishDate='2009-04-15',Completion_pct=40),
dict(Task="JobC",StartDate='2009-02-20',FinishDate='2009-05-30',Completion_pct=75)
])

fig=px.timeline(df,x_start="StartDate",x_end="FinishDate",y="Task",color="Completion_pct")
fig.update_yaxes(autorange="reversed")
fig.show()
output

用 Python 当中 Plotly.Express 模块绘制几张图表，真的被惊艳到了！！

Map

在plotly.express模块当中绘制地图也是十分的简单，例如我们绘制的是地图当中的散点图，调用的是scatter_geo()方法，代码如下df=px.data.gapminder().query("year==2002")
fig=px.scatter_geo(df,locations="iso_alpha",
size="pop",
)
fig.show()
output

用 Python 当中 Plotly.Express 模块绘制几张图表，真的被惊艳到了！！

我们可以在此基础之上再进一步进行图表的美化，例如不同的国家表示不同的州用不同颜色的散点来表示，代码如下fig=px.scatter_geo(df,locations="iso_alpha",
color="continent",
hover_name="country",
size="pop",
projection="naturalearth")
fig.show()
output

用 Python 当中 Plotly.Express 模块绘制几张图表，真的被惊艳到了！！

以及分级统计图(Choropleth map)，具体指的是在整个制图区域内，每个区划单元根据各分区划分出来的数量来进行分级，调用的是px.choropleth()方法fig=px.choropleth(df,geojson=geojson,color="Bergeron",
locations="district",featureidkey="properties.district",
projection="mercator"
)
fig.update_geos(fitbounds="locations",visible=False)
fig.update_layout(margin={"r":0,"t":0,"l":0,"b":0})
fig.show()
output

用 Python 当中 Plotly.Express 模块绘制几张图表，真的被惊艳到了！！