快捷導(dǎo)航

Python使用plotly繪制數(shù)據(jù)圖表的方法

更新時(shí)間：2017年07月18日 10:11:39 作者：邵靖

本篇文章主要介紹了Python使用plotly繪制數(shù)據(jù)圖表的方法，實(shí)例分析了plotly繪制的技巧，具有一定的參考價(jià)值，感興趣的小伙伴們可以參考一下

導(dǎo)語(yǔ)：使用 python-plotly 模塊來(lái)進(jìn)行壓測(cè)數(shù)據(jù)的繪制，并且生成靜態(tài) html 頁(yè)面結(jié)果展示。

不少小伙伴在開(kāi)發(fā)過(guò)程中都有對(duì)模塊進(jìn)行壓測(cè)的經(jīng)歷，壓測(cè)結(jié)束后大家往往喜歡使用Excel處理壓測(cè)數(shù)據(jù)并繪制數(shù)據(jù)可視化視圖，但這樣不能很方便的使用web頁(yè)面進(jìn)行數(shù)據(jù)展示。本文將介紹使用python-plotly模塊來(lái)進(jìn)行壓測(cè)數(shù)據(jù)的繪制，并且生成靜態(tài)html頁(yè)面方便結(jié)果展示。

Plotly簡(jiǎn)介

Plotly是一款使用JavaScript開(kāi)發(fā)的制圖工具，提供了與主流數(shù)據(jù)分析語(yǔ)言交互的API（如：Python, R, MATLAB）。大家可以到官網(wǎng) https://plot.ly/ 了解更多詳細(xì)的信息。Plotly能夠繪制具有用戶交互功能的精美圖表。

Python-Plotly 安裝

本文檔主要是介紹使用plotly的Python API來(lái)進(jìn)行幾種簡(jiǎn)單圖表的繪制，更多Plotly的用法請(qǐng)參考 https://plot.ly/python/

Python-Plotly可以使用pip安裝，并且最好在Python2.7版本及以上安裝使用，如果使用Python2.6版本，請(qǐng)自行安裝Python2.7和對(duì)應(yīng)的pip。

Plotly繪圖實(shí)例

line-plots

繪圖效果：

生成的html頁(yè)面在右上角提供了豐富的交互工具。

代碼：

def line_plots(name):
  '''
  繪制普通線圖
  '''
  #數(shù)據(jù)，x為橫坐標(biāo)，y,z為縱坐標(biāo)的兩項(xiàng)指標(biāo)，三個(gè)array長(zhǎng)度相同
  dataset = {'x':[0,1,2,3,4,5,6,7,8,9],
        'y':[5,4,1,3,11,2,6,7,19,20],
        'z':[12,9,0,0,3,25,8,17,22,5]}
  data_g = []
  #分別插入 y, z
  tr_x = Scatter(
    x = dataset['x'],
    y = dataset['y'],
    name = 'y' 
  )
  data_g.append(tr_x)
  tr_z = Scatter(
    x = dataset['x'],
    y = dataset['z'],
    name = 'z' 
  )
  data_g.append(tr_z)
  #設(shè)置layout,指定圖表title,x軸和y軸名稱
  layout = Layout(title="line plots", xaxis={'title':'x'}, yaxis={'title':'value'})
  #將layout設(shè)置到圖表
  fig = Figure(data=data_g, layout=layout)
  #繪圖,輸出路徑為name參數(shù)指定
  pltoff.plot(fig, filename=name)

scatter-plots

繪圖效果：

代碼：

def scatter_plots(name):
  '''
  繪制散點(diǎn)圖
  '''
  dataset = {'x':[0,1,2,3,4,5,6,7,8,9],
        'y':[5,4,1,3,11,2,6,7,19,20],
        'text':['5_txt','4_txt','1_txt','3_txt','11_txt','2_txt','6_txt','7_txt','19_txt','20_txt']}

  data_g = []

  tr_x = Scatter(
    x = dataset['x'],
    y = dataset['y'],
    text = dataset['text'],
    textposition='top center',
    mode='markers+text',
    name = 'y' 
  )
  data_g.append(tr_x)

  layout = Layout(title="scatter plots", xaxis={'title':'x'}, yaxis={'title':'value'})
  fig = Figure(data=data_g, layout=layout)
  pltoff.plot(fig, filename=name)

bar-charts

繪圖效果：

代碼：

def bar_charts(name):
  '''
  繪制柱狀圖
  '''
  dataset = {'x':['Windows', 'Linux', 'Unix', 'MacOS'],
        'y1':[45, 26, 37, 13],
        'y2':[19, 27, 33, 21]}
  data_g = []
  tr_y1 = Bar(
    x = dataset['x'],
    y = dataset['y1'],
    name = 'v1'
  )
  data_g.append(tr_y1)

  tr_y2 = Bar(
    x = dataset['x'],
    y = dataset['y2'],
    name = 'v2'
  )
  data_g.append(tr_y2)
  layout = Layout(title="bar charts", xaxis={'title':'x'}, yaxis={'title':'value'})
  fig = Figure(data=data_g, layout=layout)
  pltoff.plot(fig, filename=name)

pie-charts

繪圖效果：

代碼：

def pie_charts(name):
  '''
  繪制餅圖
  '''
  dataset = {'labels':['Windows', 'Linux', 'Unix', 'MacOS', 'Android', 'iOS'],
        'values':[280, 25, 10, 100, 250, 270]} 
  data_g = []
  tr_p = Pie(
    labels = dataset['labels'],
    values = dataset['values']
  )
  data_g.append(tr_p)
  layout = Layout(title="pie charts")
  fig = Figure(data=data_g, layout=layout)
  pltoff.plot(fig, filename=name)

filled-area-plots

本例是繪制具有填充效果的堆疊線圖，適合分析具有堆疊百分比屬性的數(shù)據(jù)

繪圖效果：

代碼：

def filled_area_plots(name):
  '''
  繪制堆疊填充的線圖
  '''
  dataset = {'x':[0,1,2,3,4,5,6,7,8,9],
        'y1':[5,4,1,3,11,2,6,7,19,20],
        'y2':[12,9,0,0,3,25,8,17,22,5],
        'y3':[13,22,46,1,15,4,18,11,17,20]}

  #計(jì)算y1,y2,y3的堆疊占比
  dataset['y1_stack'] = dataset['y1']
  dataset['y2_stack'] = [y1+y2 for y1, y2 in zip(dataset['y1'], dataset['y2'])]
  dataset['y3_stack'] = [y1+y2+y3 for y1, y2, y3 in zip(dataset['y1'], dataset['y2'], dataset['y3'])]

  dataset['y1_text'] = ['%s(%s%%)'%(y1, y1*100/y3_s) for y1, y3_s in zip(dataset['y1'], dataset['y3_stack'])]
  dataset['y2_text'] = ['%s(%s%%)'%(y2, y2*100/y3_s) for y2, y3_s in zip(dataset['y2'], dataset['y3_stack'])]
  dataset['y3_text'] = ['%s(%s%%)'%(y3, y3*100/y3_s) for y3, y3_s in zip(dataset['y3'], dataset['y3_stack'])]

  data_g = []
  tr_1 = Scatter(
    x = dataset['x'],
    y = dataset['y1_stack'],
    text = dataset['y1_text'],
    hoverinfo = 'x+text',
    mode = 'lines',
    name = 'y1', 
    fill = 'tozeroy' #填充方式: 到x軸
  )
  data_g.append(tr_1)

  tr_2 = Scatter(
    x = dataset['x'],
    y = dataset['y2_stack'],
    text = dataset['y2_text'],
    hoverinfo = 'x+text',
    mode = 'lines',
    name = 'y2', 
    fill = 'tonexty' #填充方式:到下方的另一條線
  )
  data_g.append(tr_2)

  tr_3 = Scatter(
    x = dataset['x'],
    y = dataset['y3_stack'],
    text = dataset['y3_text'],
    hoverinfo = 'x+text',
    mode = 'lines',
    name = 'y3',
    fill = 'tonexty'
  )
  data_g.append(tr_3)

  layout = Layout(title="field area plots", xaxis={'title':'x'}, yaxis={'title':'value'})
  fig = Figure(data=data_g, layout=layout)
  pltoff.plot(fig, filename=name)

小結(jié)

本文介紹了利用python-plotly繪制數(shù)據(jù)圖的方法，實(shí)例中線圖(line plots)、散點(diǎn)圖(scatter plots)、柱狀圖(bar charts)、餅圖(pie charts)以及填充堆疊線圖(filled area plots)這五種典型的圖表基本上涵蓋了大部分類型的測(cè)試數(shù)據(jù)，各位小伙伴可以加以變形繪制出更多的漂亮圖標(biāo)。

文中所示代碼：test_plotly_jb51.rar

參考資料

1. https://plot.ly/python/basic-charts/

2. https://images.plot.ly/plotly-documentation/images/python_cheat_sheet.pdf

以上就是本文的全部?jī)?nèi)容，希望對(duì)大家的學(xué)習(xí)有所幫助，也希望大家多多支持腳本之家。

您可能感興趣的文章: