制作炫酷Python动态图方法有哪些

这篇文章主要介绍“制作炫酷Python动态图方法有哪些”，在日常操作中，相信很多人在制作炫酷Python动态图方法有哪些问题上存在疑惑，小编查阅了各式资料，整理出简单好用的操作方法，希望对大家解答”制作炫酷Python动态图方法有哪些”的疑惑有所帮助！接下来，请跟着小编一起来学习吧！

1. 朝阳图

层次结构数据通常存储为矩形数据框，其中不同的列对应于层次结构的不同级别。px.sunburst可以采用path与列列表相对应的参数。请注意，如果给出id，则parent不应提供path。

import plotly.express as px df = px.data.tips() fig = px.sunburst(df, path=['day', 'time', 'sex'], values='total_bill') fig.show()

2. 桑基图

桑基图通过定义可视化到流动的贡献源来表示源节点，目标为目标节点，数值以设置流volum，和标签，显示了节点名称,在流量分析中常用。

import plotly.graph_objects as go import urllib, json  url = 'https://raw.githubusercontent.com/plotly/plotly.js/master/test/image/mocks/sankey_energy.json' response = urllib.request.urlopen(url) data = json.loads(response.read())  # override gray link colors with 'source' colors opacity = 0.4 # change 'magenta' to its 'rgba' value to add opacity data['data'][0]['node']['color'] = ['rgba(255,0,255, 0.8)' if color == "magenta" else color for color in data['data'][0]['node']['color']] data['data'][0]['link']['color'] = [data['data'][0]['node']['color'][src].replace("0.8", str(opacity))                                     for src in data['data'][0]['link']['source']]  fig = go.Figure(data=[go.Sankey(     valueformat = ".0f",     valuesuffix = "TWh",     # Define nodes     node = dict(       pad = 15,       thickness = 15,       line = dict(color = "black", width = 0.5),       label =  data['data'][0]['node']['label'],       color =  data['data'][0]['node']['color']     ),     # Add links     link = dict(       source =  data['data'][0]['link']['source'],       target =  data['data'][0]['link']['target'],       value =  data['data'][0]['link']['value'],       label =  data['data'][0]['link']['label'],       color =  data['data'][0]['link']['color'] ))])  fig.update_layout(title_text="Energy forecast for 2050<br>Source: Department of Energy & Climate Change, Tom Counsell via <a href='https://bost.ocks.org/mike/sankey/'>Mike Bostock</a>",                   font_size=10) fig.show()

效果图

3. 雷达图

雷达图(也称为蜘蛛情节或情节星)显示器在从中心轴始发表示定量变量的二维图的形式多变量数据。轴的相对位置和角度通常是无用的。它等效于轴沿径向排列的平行坐标图。

import plotly.graph_objects as go import urllib, json  url = 'https://raw.githubusercontent.com/plotly/plotly.js/master/test/image/mocks/sankey_energy.json' response = urllib.request.urlopen(url) data = json.loads(response.read())  # override gray link colors with 'source' colors opacity = 0.4 # change 'magenta' to its 'rgba' value to add opacity data['data'][0]['node']['color'] = ['rgba(255,0,255, 0.8)' if color == "magenta" else color for color in data['data'][0]['node']['color']] data['data'][0]['link']['color'] = [data['data'][0]['node']['color'][src].replace("0.8", str(opacity))                                     for src in data['data'][0]['link']['source']]  fig = go.Figure(data=[go.Sankey(     valueformat = ".0f",     valuesuffix = "TWh",     # Define nodes     node = dict(       pad = 15,       thickness = 15,       line = dict(color = "black", width = 0.5),       label =  data['data'][0]['node']['label'],       color =  data['data'][0]['node']['color']     ),     # Add links     link = dict(       source =  data['data'][0]['link']['source'],       target =  data['data'][0]['link']['target'],       value =  data['data'][0]['link']['value'],       label =  data['data'][0]['link']['label'],       color =  data['data'][0]['link']['color'] ))])  fig.update_layout(title_text="Energy forecast for 2050<br>Source: Department of Energy & Climate Change, Tom Counsell via <a href='https://bost.ocks.org/mike/sankey/'>Mike Bostock</a>",                   font_size=10) fig.show()

效果图

4. 漏斗图

漏斗图通常用于表示业务流程不同阶段的数据。在商业智能中，这是识别流程潜在问题区域的重要机制。例如，它用于观察销售过程中每个阶段的收入或损失，并显示逐渐减小的值。每个阶段均以占所有值的百分比表示。

from plotly import graph_objects as go  fig = go.Figure()  fig.add_trace(go.Funnel(     name = 'Montreal',     y = ["Website visit", "Downloads", "Potential customers", "Requested price"],     x = [120, 60, 30, 20],     textinfo = "value+percent initial"))  fig.add_trace(go.Funnel(     name = 'Toronto',     orientation = "h",     y = ["Website visit", "Downloads", "Potential customers", "Requested price", "invoice sent"],     x = [100, 60, 40, 30, 20],     textposition = "inside",     textinfo = "value+percent previous"))  fig.add_trace(go.Funnel(     name = 'Vancouver',     orientation = "h",     y = ["Website visit", "Downloads", "Potential customers", "Requested price", "invoice sent", "Finalized"],     x = [90, 70, 50, 30, 10, 5],     textposition = "outside",     textinfo = "value+percent total"))  fig.show()

效果图

5. 3D表面图

具有轮廓的曲面图，使用contours属性显示和自定义每个轴的轮廓数据。

import plotly.graph_objects as go  import pandas as pd  # Read data from a csv z_data = pd.read_csv('https://raw.githubusercontent.com/plotly/datasets/master/api_docs/mt_bruno_elevation.csv')  fig = go.Figure(data=[go.Surface(z=z_data.values)]) fig.update_traces(contours_z=dict(show=True, usecolormap=True,                                   highlightcolor="limegreen", project_z=True)) fig.update_layout(title='Mt Bruno Elevation', autosize=False,                   scene_camera_eye=dict(x=1.87, y=0.88, z=-0.64),                   width=500, height=500,                   margin=dict(l=65, r=50, b=65, t=90) )  fig.show()

6. 动画图

一些Plotly Express函数支持通过animation_frame和animation_group参数创建动画人物。这是使用Plotly  Express创建的动画散点图的示例。请注意，您应始终修复x_range和，y_range以确保您的数据在整个动画中始终可见。

import plotly.express as px df = px.data.gapminder() px.scatter(df, x="gdpPercap", y="lifeExp", animation_frame="year", animation_group="country",            size="pop", color="continent", hover_name="country",            log_x=True, size_max=55, range_x=[100,100000], range_y=[25,90])

到此，关于“制作炫酷Python动态图方法有哪些”的学习就结束了，希望能够解决大家的疑惑。理论与实践的搭配能更好的帮助大家学习，快去试试吧！若想继续学习更多相关知识，请继续关注亿速云网站，小编会继续努力为大家带来更多实用的文章！