Python使用plotly绘制数据图表的方法
导语:使用 python-plotly 模块来进行压测数据的绘制,并且生成静态 html 页面结果展示。 不少小伙伴在开发过程中都有对模块进行压测的经历,压测结束后大家往往喜欢使用Excel处理压测数据并绘制数据可视化视图,但这样不能很方便的使用web页面进行数据展示。本文将介绍使用python-plotly模块来进行压测数据的绘制,并且生成静态html页面方便结果展示。 Plotly简介 Plotly是一款使用JavaScript开发的制图工具,提供了与主流数据分析语言交互的API(如:Python,R,MATLAB)。大家可以到官网 https://plot.ly/ 了解更多详细的信息。Plotly能够绘制具有用户交互功能的精美图表。 Python-Plotly 安装 本文档主要是介绍使用plotly的Python API来进行几种简单图表的绘制,更多Plotly的用法请参考 https://plot.ly/python/ Python-Plotly可以使用pip安装,并且最好在Python2.7版本及以上安装使用,如果使用Python2.6版本,请自行安装Python2.7和对应的pip。 Plotly绘图实例 line-plots 绘图效果: 生成的html页面在右上角提供了丰富的交互工具。 代码: def line_plots(name): ''' 绘制普通线图 ''' #数据,x为横坐标,y,z为纵坐标的两项指标,三个array长度相同 dataset = {'x':[0,1,2,3,4,5,6,7,8,9],'y':[5,11,19,20],'z':[12,9,25,17,22,5]} data_g = [] #分别插入 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) #设置layout,指定图表title,x轴和y轴名称 layout = Layout(title="line plots",xaxis={'title':'x'},yaxis={'title':'value'}) #将layout设置到图表 fig = Figure(data=data_g,layout=layout) #绘图,输出路径为name参数指定 pltoff.plot(fig,filename=name) scatter-plots 绘图效果: 代码: def scatter_plots(name): ''' 绘制散点图 ''' dataset = {'x':[0,'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'],text = dataset['text'],textposition='top center',mode='markers+text',name = 'y' ) data_g.append(tr_x) layout = Layout(title="scatter plots",yaxis={'title':'value'}) fig = Figure(data=data_g,layout=layout) pltoff.plot(fig,filename=name) bar-charts 绘图效果: 代码: def bar_charts(name): ''' 绘制柱状图 ''' 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",filename=name) pie-charts 绘图效果: 代码: def pie_charts(name): ''' 绘制饼图 ''' dataset = {'labels':['Windows','MacOS','Android','iOS'],'values':[280,10,100,250,270]} 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,filename=name) filled-area-plots 本例是绘制具有填充效果的堆叠线图,适合分析具有堆叠百分比属性的数据 绘图效果: 代码: def filled_area_plots(name): ''' 绘制堆叠填充的线图 ''' dataset = {'x':[0,'y1':[5,'y2':[12,5],'y3':[13,46,15,18,20]} #计算y1,y2,y3的堆叠占比 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,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轴 ) data_g.append(tr_1) tr_2 = Scatter( x = dataset['x'],y = dataset['y2_stack'],text = dataset['y2_text'],name = 'y2',fill = 'tonexty' #填充方式:到下方的另一条线 ) data_g.append(tr_2) tr_3 = Scatter( x = dataset['x'],y = dataset['y3_stack'],text = dataset['y3_text'],name = 'y3',fill = 'tonexty' ) data_g.append(tr_3) layout = Layout(title="field area plots",filename=name) 小结 本文介绍了利用python-plotly绘制数据图的方法,实例中 线图(line plots)、散点图(scatter plots)、柱状图(bar charts)、饼图(pie charts)以及填充堆叠线图(filled area plots)这五种典型的图表基本上涵盖了大部分类型的测试数据,各位小伙伴可以加以变形绘制出更多的漂亮图标。 文中所示代码:test_plotly_jb51.rar 参考资料 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内容,希望对大家的学习有所帮助,也希望大家多多支持编程小技巧。 (编辑:李大同) 【声明】本站内容均来自网络,其相关言论仅代表作者个人观点,不代表本站立场。若无意侵犯到您的权利,请及时与联系站长删除相关内容! |