亚洲乱码中文字幕综合,中国熟女仑乱hd,亚洲精品乱拍国产一区二区三区,一本大道卡一卡二卡三乱码全集资源,又粗又黄又硬又爽的免费视频

Python?matplotlib?plotly繪制圖表詳解

 更新時間：2022年03月16日 09:08:20   作者：渴望成為寂寞勝者  
plotly本身是個生態(tài)非常復(fù)雜的繪圖工具，它對很多編程語言提供接口。交互式和美觀易用應(yīng)該是?Plotly?最大的優(yōu)勢，而?Matplotlib?的特點(diǎn)則是可定制化程度高，但語法也相對難學(xué)，各有優(yōu)缺點(diǎn)。本文將通過示例詳細(xì)講解二者是如何繪制圖表的，需要的可以參考一下

一、整理數(shù)據(jù)

以300部電影作為數(shù)據(jù)源

import pandas as pd 
cnboo=pd.read_excel("cnboNPPD1.xls")

cnboo

在這里插入圖片描述

import seaborn as sns
import numpy as np 
import matplotlib as mpl
from matplotlib import pyplot as plt 
import pandas as pd 
from datetime import datetime,timedelta
%matplotlib inline
plt.rcParams['font.sans-serif']=['SimHei'] # 用來正常顯示中文標(biāo)簽
plt.rcParams['axes.unicode_minus']=False # 用來正常顯示負(fù)號
from datetime import datetime 

! pip install plotly # 安裝
import matplotlib.pyplot as plt
import plotly
from plotly.offline import download_plotlyjs,init_notebook_mode,plot,iplot

x=cnboo['BO'].tolist()
y=cnboo['PERSONS'].tolist()
dict01={"x":x,"y":y}
dict01

二、折線圖

# 折線圖
iplot([dict01])

在這里插入圖片描述

三、散點(diǎn)圖

import plotly.graph_objs as go
iplot([go.Scatter(x=x,y=y,mode='markers')])

在這里插入圖片描述

請?zhí)砑訄D片描述

# 隨機(jī)生成的點(diǎn)圖
import numpy as np
iplot([go.Scatter(x=np.random.randn(100),y=np.random.randn(100),mode='markers')])

go

在這里插入圖片描述

trace=go.Scatter(x=cnboo['PRICE'],y=y,mode='markers',)
data=[trace]
iplot(data)

在這里插入圖片描述

trace=go.Scatter(x=cnboo['PRICE'],y=y,mode='markers',marker=dict(color='red',size=9,opacity=0.4))
data=[trace]
iplot(data)

在這里插入圖片描述

四、餅圖

colors=['#dc2624','#2b4750','#45a0a2','#e87a59','#7dcaa9','#649E7D','#dc8018',
       '#C89F91','#6c6d6c','#4f6268','#c7cccf']

filmtype=cnboo['TYPE']
filmbo=cnboo['PRICE']
trace=go.Pie(labels=filmtype,values=filmbo,
            hoverinfo='label+percent',textinfo='value',textfont=dict(size=10),
             marker=dict(colors=colors,line=dict(color='#000000',width=3)))
data=[trace]

iplot(data)

在這里插入圖片描述

請?zhí)砑訄D片描述

filmtype=cnboo['TYPE']
filmbo=cnboo['PRICE']
trace=go.Pie(labels=filmtype,values=filmbo,
            hoverinfo='label+percent',textinfo='value',textfont=dict(size=12),
             marker=dict(colors=colors))
data=[trace]
iplot(data)

在這里插入圖片描述

五、柱形圖

# plotly bar
trace1=go.Bar(x=cnboo['TYPE'],y=cnboo['PRICE'],name="類型與票價")
trace2=go.Bar(x=cnboo['TYPE'],y=y,name="類型與人數(shù)")
layout=go.Layout(title="中國電影類型與票價，人數(shù)的關(guān)系",xaxis=dict(title='電影類型'))
data=[trace1,trace2]
fig=go.Figure(data,layout=layout)
iplot(fig)

在這里插入圖片描述

六、點(diǎn)圖（設(shè)置多個go對象）

trace1=go.Scatter(x=cnboo['TYPE'],y=cnboo['PRICE'],name="類型與票價",mode="markers",
                  marker=dict(color="red",size=8))
trace2=go.Scatter(x=cnboo['TYPE'],y=cnboo['PERSONS'],name="類型與人數(shù)",mode="markers",
                  marker=dict(color="blue",size=5))
data=[trace1,trace2]
iplot(data)

在這里插入圖片描述

trace1=go.Scatter(x=cnboo['TYPE'],y=cnboo['PRICE'],name="類型與票價",mode="markers",
                  marker=dict(color="red",size=8))
trace2=go.Scatter(x=cnboo['TYPE'],y=cnboo['PERSONS'],name="類型與人數(shù)",mode="markers",
                  marker=dict(color="blue",size=5))
layout=go.Layout(title="中國電影類型與票價，人數(shù)的關(guān)系",plot_bgcolor="#FFFFFF")
data=[trace1,trace2]
fig=go.Figure(data,layout=layout)
iplot(fig)

在這里插入圖片描述

七、2D密度圖

import plotly.figure_factory as ff

fig=ff.create_2d_density(x,y,colorscale=colors,hist_color='#dc2624',point_size=5)
iplot(fig,filename='評分與人次')

在這里插入圖片描述

colorscale=['rgb(20, 38, 220)',
 'rgb(255, 255, 255)'] # 最后一個顏色都是調(diào)用背景

fig=ff.create_2d_density(x,y,colorscale=colorscale,hist_color='#dc2624',point_size=5)
iplot(fig,filename='評分與人次')

在這里插入圖片描述

八、簡單3D圖

layout=go.Layout(title="中國電影票房與人次，票價的關(guān)系",barmode="group") 

trace01=go.Scatter3d(
    x=cnboo['BO'],
    y=cnboo['PRICE'],
    z=cnboo['PERSONS'],
    mode='markers',
    marker=dict(size=12,color=colors,colorscale='Viridis',
               opacity=0.5,showscale=True)  #opacity是透明度
)

data=[trace01]
fig=go.Figure(data=data,layout=layout)
iplot(fig,filename='3d')

請?zhí)砑訄D片描述

以上就是Python matplotlib plotly繪制圖表詳解的詳細(xì)內(nèi)容，更多關(guān)于Python matplotlib plotly的資料請關(guān)注腳本之家其它相關(guān)文章！

相關(guān)文章

  • 深入理解Python中字典的鍵的使用

    深入理解Python中字典的鍵的使用

    這篇文章主要介紹了深入理解Python中字典的鍵的使用,是Python入門學(xué)習(xí)中的基礎(chǔ)知識,需要的朋友可以參考下
    2015-08-08
  • Python sklearn CountVectorizer使用詳解

    Python sklearn CountVectorizer使用詳解

    這篇文章主要介紹了Python_sklearn_CountVectorizer使用詳解,本文給大家介紹的非常詳細(xì)，對大家的學(xué)習(xí)或工作具有一定的參考借鑒價值，需要的朋友可以參考下
    2023-03-03
  • Python利用pandas進(jìn)行數(shù)據(jù)合并詳解

    Python利用pandas進(jìn)行數(shù)據(jù)合并詳解

    當(dāng)使用Python中的pandas庫時，merge函數(shù)是用于合并（或連接）兩個數(shù)據(jù)框（DataFrame）的重要工具。它類似于SQL中的JOIN操作，下面我們就來看看它的具體操作吧
    2023-11-11
  • python爬蟲將js轉(zhuǎn)化成json實現(xiàn)示例

    python爬蟲將js轉(zhuǎn)化成json實現(xiàn)示例

    這篇文章主要為大家介紹了python爬蟲將js轉(zhuǎn)化成json實現(xiàn)示例詳解，有需要的朋友可以借鑒參考下，希望能夠有所幫助，祝大家多多進(jìn)步，早日升職加薪
    2023-05-05
  • Python中 Global和Nonlocal的用法詳解

    Python中 Global和Nonlocal的用法詳解

    global關(guān)鍵字用來在函數(shù)或其他局部作用域中使用全局變量， nonlocal聲明的變量不是局部變量,也不是全局變量,而是外部嵌套函數(shù)內(nèi)的變量。這篇文章主要介紹了Python中 Global和Nonlocal的用法,需要的朋友可以參考下
    2020-01-01
  • 教你使用Python寫一個簡單的JSONParser

    教你使用Python寫一個簡單的JSONParser

    這篇文章主要介紹了教你使用Python寫一個簡單的JSONParser,它的整個效果，有點(diǎn)類似于 python 標(biāo)準(zhǔn)庫 json 的 json.load() 方法,需要的朋友可以參考下
    2023-04-04
  • Python編寫一個驗證碼圖片數(shù)據(jù)標(biāo)注GUI程序附源碼

    Python編寫一個驗證碼圖片數(shù)據(jù)標(biāo)注GUI程序附源碼

    這篇文章主要介紹了Python編寫一個驗證碼圖片數(shù)據(jù)標(biāo)注GUI程序,本文給大家附上小編精心整理的源碼，需要的朋友可以參考下
    2019-12-12
  • Python爬蟲eval實現(xiàn)看漫畫漫畫柜mhgui實戰(zhàn)分析

    Python爬蟲eval實現(xiàn)看漫畫漫畫柜mhgui實戰(zhàn)分析

    這篇文章主要為大家介紹了Python爬蟲eval實現(xiàn)看漫畫漫畫柜mhgui實戰(zhàn)分析，有需要的朋友可以借鑒參考下，希望能夠有所幫助，祝大家多多進(jìn)步，早日升職加薪
    2022-07-07
  • 使用Python生成XML的方法實例

    使用Python生成XML的方法實例

    這篇文章主要介紹了使用Python生成XML的方法,結(jié)合具體實例形式詳細(xì)分析了Python生成xml文件的具體流暢與相關(guān)注意事項,需要的朋友可以參考下
    2017-03-03
  • Python 列表推導(dǎo)式需要注意的地方

    Python 列表推導(dǎo)式需要注意的地方

    這篇文章主要介紹了Python 列表推導(dǎo)式需要注意的地方，幫助大家更好的理解和使用python，感興趣的朋友可以了解下
    2020-10-10

最新評論