加入收藏 | 设为首页 | 会员中心 | 我要投稿 李大同 (https://www.lidatong.com.cn/)- 科技、建站、经验、云计算、5G、大数据,站长网!
当前位置: 首页 > 编程开发 > Python > 正文

Python使用plotly绘制数据图表的方法

发布时间:2020-12-17 08:14:59 所属栏目:Python 来源:网络整理
导读: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

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!

    推荐文章
      热点阅读