如何理解Python可视化Dash工具
这篇文章主要介绍“如何理解Python可视化Dash工具”,在日常操作中,相信很多人在如何理解Python可视化Dash工具问题上存在疑惑,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”如何理解Python可视化Dash工具”的疑惑有所帮助!接下来,请跟着小编一起来学习吧!
创新互联公司提供高防服务器租用、云服务器、香港服务器、光华机房服务器托管等
Dash是基于Flask的Python可视化工具,严格说来由三个部分组成,首先是Flask提供了标准web环境,再次是plotly这个图表可视化工具,最后是与dash相配套的html、图表等交互式组件。本人也陆续试过pyechart,但就集成性和可视化而言,与dash还是有一定差距。
代码示例
import dash --集成flask import dash_core_components as dcc --与图表相关的核心组件 import dash_html_components as html --与HTML交互相关的组件 import plotly.graph_objects as go --plotly的底层组件 import plotly.express as px --plotly的高阶组件,同时提供了内置的数据集 fig = go.Figure() fig = go.Figure(data=go.Bar(y=[2, 3, 1])) # fig.add_trace( ... ) # fig.update_layout( ... ) df = px.data.gapminder() df = px.data.gapminder().query("country=='China'") fig = px.line(df, x="year", y="lifeExp", title='人口增长率') app = dash.Dash() app.layout = html.Div([ dcc.Graph(figure=fig) ]) app.run_server(debug=True, use_reloader=False) ?
Plotly Express是对 Plotly.py 的高级封装,内置了大量实用、现代的绘图模板,用户只需调用简单的API函数,即可快速生成漂亮的互动图表,可满足90%以上的应用场景。
plotly.express附带了一些用于演示、教育和测试目的的内置数据集。
这些数据以CSV格式存储在包的目录下,以pandas类型获取到数据,方便进行图表功能测试。
1、gapminder():每一行代表一个国家在给定的年份GDP、人口增长等信息。包含1704行和以下列:
['country', 'continent', 'year', 'lifeExp', 'pop', 'gdpPercap', 'iso_alpha', 'iso_num'].
2、tips():每行代表一张餐厅账单。包含244行和以下列:
['total_bill', 'tip', 'sex', 'smoker', 'day', 'time', 'size'].
3、iris():每行代表一朵花。包含150行和以下列:
['sepal_length', 'sepal_width', 'petal_length', 'petal_width', 'species', 'species_id'].
4、wind():每行表示一个基本方向上的风强度级别及其频率。包含128行和以下列:
['direction', 'strength', 'frequency'].
5、election():每一行代表2013年蒙特利尔市长选举中一个选区的投票结果。包含58行和以下列:
['district', 'Coderre', 'Bergeron', 'Joly', 'total', 'winner', 'result', 'district_id'].
6、election_geojson():每个功能代表2013年蒙特利尔市长选举中的一个选区。
GeoJSON格式的“dict”,具有58个多边形或多多边形特征,其“id”是一个选区数字ID,其'district'属性是ID和地区名称。
7、carshare():每一行表示在蒙特利尔呆了一个月,区域中心附近的汽车共享服务的可用性。包含249行和以下列:
['centroid_lat', 'centroid_lon', 'car_hours', 'peak_hour'].
8、stocks(indexed=False):这一广泛数据集中的每一行代表2018/2019年6只科技股的收盘价。包含100行和以下列:
['date', 'GOOG', 'AAPL', 'AMZN', 'FB', 'NFLX', 'MSFT'].
9、experiment(indexed=False):这个大数据集中的每一行代表100名模拟参与者在三个假设实验中的结果,以及他们的性别和对照/治疗组。包含100行和以下列:
['experiment_1', 'experiment_2', 'experiment_3', 'gender', 'group'].
10、medals_wide(indexed=False):此数据集表示截至2020年前三名国家的奥运会短道速滑奖牌表。包含3行和以下列:
['nation', 'gold', 'silver', 'bronze'].
11、medals_long(indexed=False):此数据集表示截至2020年前三名国家的奥运会短道速滑奖牌表。包含9行和以下列:
['nation', 'medal', 'count'].
plotly.express提供了30多种标准图表,用以简化操作。
1、scatter:散点图 在散点图中,每行data_frame由2D空间中的符号标记表示;
2、scatter_3d:三维散点图 在3D散点图中,每行data_frame由3D空间中的符号标记表示;
3、scatter_polar:极坐标散点图 在极坐标散点图中,每行data_frame由极坐标中的符号标记表示;
4、scatter_ternary:三元散点图 在三元散点图中,每行data_frame由三元坐标中的符号标记表示;
5、scatter_mapbox:地图散点图 在Mapbox散点图中,每一行data_frame都由Mapbox地图上的符号标记表示;
6、scatter_geo:地理坐标散点图 在地理散点图中,每一行data_frame都由地图上的符号标记表示;
7、line:线条图 在2D线图中,每行data_frame表示为2D空间中折线标记的顶点;
8、line_3d:三维线图 在三维线图中,每行数据框都表示为三维空间中多段线标记的顶点
9、line_polar:极坐标线条图 在极线图中,每行data_frame表示为极坐标中折线标记的顶点;
10、line_ternary:三元线条图 在三元线图中,每行data_frame表示为三元坐标中折线标记的顶点;
11、line_mapbox:地图线条图 在Mapbox线图中,每一行data_frame表示为Mapbox地图上折线标记的顶点;
12、line_geo:地理坐标线条图 在地理线图中,每一行data_frame表示为地图上折线标记的顶点;
13、area:堆积区域图 在堆积区域图中,每行data_frame表示为2D空间中折线标记的顶点。连续折线之间的区域被填充;
14、bar:条形图 在条形图中,每行data_frame表示为矩形标记;
15、timeline:时间轴图 在时间轴图中,每一行数据框都表示为日期类型x轴上的矩形标记,从x开始到x结束。
16、bar_polar:极坐标条形图 在极坐标条形图中,每一行都data_frame表示为极坐标中的楔形标记;
17、violin:小提琴图 在小提琴图中,将data_frame每一行分组成一个曲线标记,以便可视化它们的分布;
18、box:箱形图 在箱形图中,data_frame的每一行被组合在一起成为盒须标记,以显示它们的分布;
19、strip:长条图 在长条图中,每一行data_frame表示为类别中的抖动标记;
20、histogram:直方图 在直方图中,每一行data_frame被组合在一起成为矩形标记,以可视化该值的聚合函数histfunc(例如,计数或总和)的1D分布y(或者x,如果orientation是'h'时);
21、pie:饼图 在饼图中,数据帧的每一行表示为饼图的扇区。
22、treemap:树状图 树状图将层次数据表示为嵌套的矩形扇区。
23、sunburst:圆环图 圆环图将层次数据表示为在同心环的多个级别上布置的扇区。
24、funnel:漏斗图 在漏斗图中,数据框的每一行表示为漏斗的矩形扇区。
25、funnel_area:漏斗区域图 在漏斗区域图中,每行数据框表示为漏斗的梯形扇区。
26、scatter_matrix:矩阵散点图 在散点图矩阵(或SPLOM)中,每行data_frame由多个符号标记表示,在2D散点图的网格的每个单元格中有一个,其将每对dimensions彼此相对绘制;
27、parallel_coordinates:平行坐标图 在平行坐标图中,每行data_frame由折线标记表示,该折线标记穿过一组平行轴,每个平行轴对应一个平行轴 dimensions;
28、parallel_categories:并行类别图 在并行类别(或平行集)图中,每行data_frame与其他共享相同值的行组合,dimensions然后通过一组平行轴绘制为折线标记,每个平行轴对应一个dimensions;
29、choropleth:等高(值)区域地图 在等值区域图中,每行data_frame由地图上的彩色区域标记表示;
30、choropleth_mapbox:在Mapbox choropleth地图中,每一行的数据由Mapbox地图上的一个彩色区域表示。
31、density_contour:密度等值线图(双变量分布) 在密度等值线图中,行data_frame被组合在一起,成为轮廓标记,以可视化该值的聚合函数histfunc(例如:计数或总和)的2D分布z;
32、density_heatmap:密度热力图(双变量分布) 在密度热图中,行data_frame被组合在一起,成为彩色矩形瓦片,以可视化该值的聚合函数histfunc(例如:计数或总和)的2D分布 z;
33、density_mapbox:Mapbox密度图 在Mapbox密度图中,每一行数据帧都会影响地图上相应点周围区域的颜色强度
plotly.graph_objects为底层组件,提供了figures, traces and layout等底层接口,以便进行灵活开发。
Figure 容器
Layout 布局
Simple Traces 简单轨迹线
Distribution Traces 分布轨迹线
Finance Traces 财务轨迹线
Map Traces 地图轨迹线
Specialized Traces 特殊轨迹线
dash_html_components库包含每个HTML标签的组件类以及所有HTML参数的关键字参数。
dash_html_components和HTML属性有几点重要的不同:
1. 在HTML中,style属性是以分号分隔的字符串。在Dash中,你可以使用一个字典。
2. style字典里的键值是cameCase(驼峰样式)的,不是 text-align, 而是 textAlign。
3. HTML类属性是Dash中的className。
4. HTML标签的子项是通过children关键字参数指定的。
dash_core_components库包含一组更高级别的组件,如下拉列表,图形等。
dash_html_components库为所有HTML标签提供类,同时关键字参数描述HTML属性,例如style,className和ID。
dash_core_components库生成高级别的组件,如控件和图形。
到此,关于“如何理解Python可视化Dash工具”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,请继续关注创新互联网站,小编会继续努力为大家带来更多实用的文章!
网站名称:如何理解Python可视化Dash工具
网页URL:http://pwwzsj.com/article/ihppjc.html