Python绘制数据分析图的详细过程包括什么-群英

上一篇：pyscript在网页怎样写Python程式，有什么要注意下一篇：利用python快速对文件批量改名怎样实现

这篇文章主要介绍“Python绘制数据分析图的详细过程包括什么”的相关知识，下面会通过实际案例向大家展示操作过程，操作方法简单快捷，实用性强，希望这篇“Python绘制数据分析图的详细过程包括什么”文章能帮助大家解决问题。

Plotly 是目前已知的Python最强绘图库，它比上次我们讲的Echarts还强大许多许多，它的绘制通过生成一个web页面完成，并且支持调整图像大小，动态调节参数，方便许多python 网页应用的开发。

1.准备

开始之前，你要确保Python和pip已经成功安装在电脑上,如果没有，可以访问这篇文章：超详细Python安装指南进行安装。

Windows环境下打开Cmd(开始—运行—CMD)，苹果系统环境下请打开Terminal(command+空格输入Terminal)，准备开始输入命令安装依赖。

当然，我更推荐大家用VSCode编辑器，把本文代码Copy下来，在编辑器下方的终端装依赖模块，多舒服的一件事啊：

在终端输入以下命令安装我们所需要的依赖模块:

pip install plotly

看到 Successfully installed xxx 则说明安装成功。

2.使用

你只需要知道某些图的生成函数及其传入参数，就可以生成很漂亮的统计图。比如生成文章开头的那个官方平行类别图，你只要需要知道它的生成函数是 px.parallel_categories。支持的参数列表如下：

data_frame：数据，需要以DataFrame格式。

color: 可指定每一列的特定颜色。

color_continuous_scale: 构建连续的颜色

详细参数可阅读官方文档

在这里，我们使用官方生成好的数据作为展示的例子，编写以下代码即可：

# 文件命名为：test.py
import plotly.express as px
tips = px.data.tips()
fig = px.parallel_categories(tips, color="size", color_continuous_scale=px.colors.sequential.Inferno)
fig.show()

效果如下：

在cmd/Terminal或者VSCODE的终端里，运行这份代码：

python test.py

你会看到浏览器自动生成了一个页面，页面上就是这幅图，而且是可以进行交互的图。

除此之外还有这样的图：

import plotly.express as px
gapminder = px.data.gapminder()
fig = px.scatter(gapminder.query("year==2007"), x="gdpPercap", y="lifeExp", size="pop", color="continent",
           hover_name="country", log_x=True, size_max=60)
fig.show()

代码如上，其实相当简单，你只需要符合它的scatter函数的数据格式就可以生成了，真的是坐着收图啊。

还有以下这些例子，这些例子都是可以在页面上进行交互的（放大缩小等），相当方便！

3.保存

其实在执行完程序后生成的页面里，右上角有个小摄像头，点击那个摄像头可以直接生成页面：

但是你可能会希望直接在程序中将图片保存下载，方便批量生成图片，这个时候我们需要添加类似这样的一个离线plot语句

import plotly.offline as offline
offline.plot(figure_or_data = fig, image ='png', image_filename='plot_image', output_type='file', image_width=800, image_height=600, validate=False)

在得到了图像的Fig变量后，你只需要继续编写上述语句就可以保存下来，比如我们的第一个例子，将会是这样保存的。

# 文件命名为：test.py
import plotly.express as px
import plotly.offline as offline
tips = px.data.tips()
fig = px.parallel_categories(tips, color="size", color_continuous_scale=px.colors.sequential.Inferno)
fig.show()

offline.plot(figure_or_data = fig, image = 'png', image_filename='plot_image',
             output_type='file', image_width=800, image_height=600, validate=False)