【转】Python 可视化神器-Plotly Express-白红宇

【转】Python 可视化神器-Plotly Express

阅读量：5730 次

发布时间：2019-06-18

本文共 5951 字，大约阅读时间需要 19 分钟。

转自：https://mp.weixin.qq.com/s/FNpNJSMK5Vs8pwi0PbbBzw

说明：图片无法直接复制，请查看原文

导读：Plotly Express 是一个新的高级 Python 可视化库：它是 Plotly.py 的高级封装，它为复杂的图表提供了一个简单的语法。

受 Seaborn 和 ggplot2 的启发，它专门设计为具有简洁，一致且易于学习的 API ：只需一次导入，你就可以在一个函数调用中创建丰富的交互式绘图，包括分面绘图（faceting）、地图、动画和趋势线。它带有数据集、颜色面板和主题，就像 Plotly.py 一样。

01 Plotly Express 入门之路

Plotly Express 完全免费：凭借其宽松的开源 MIT 许可证，你可以随意使用它（是的，甚至在商业产品中！）。

最重要的是，Plotly Express 与 Plotly 生态系统的其他部分完全兼容：在你的 Dash 应用程序中使用它，使用 Orca 将你的数据导出为几乎任何文件格式，或使用JupyterLab 图表编辑器在 GUI 中编辑它们！

用 pip install plotly_express 命令可以安装 Plotly Express。

02 使用 Plotly Express 轻松地进行数据可视化

一旦导入Plotly Express（通常是 px ），大多数绘图只需要一个函数调用，接受一个整洁的Pandas dataframe，并简单描述你想要制作的图。如果你想要一个基本的散点图，它只是 px.scatter（data，x ="column_name"，y ="column_name"）。

以下是内置的 Gapminder 数据集的示例，显示2007年按国家/地区的人均预期寿命和人均GDP 之间的趋势：

import plotly_express as px gapminder = px.data.gapminder() gapminder2007 = gapminder.query('year == 2007') px.scatter(gapminder2007, x='gdpPercap', y='lifeExp')

如果你想通过大陆区分它们，你可以使用 color 参数为你的点着色，由 px 负责设置默认颜色，设置图例等：

这里的每一点都是一个国家，所以也许我们想要按国家人口来衡量这些点...... 没问题：这里也有一个参数来设置，它被称为 size：

如果你好奇哪个国家对应哪个点？可以添加一个 hover_name ，你可以轻松识别任何一点：只需将鼠标放在你感兴趣的点上即可！事实上，即使没有 hover_name ，整个图表也是互动的：

也可以通过 facet_col ="continent" 来轻松划分各大洲，就像着色点一样容易，并且让我们使用 x轴对数（log_x）以便在我们在图表中看的更清晰：

也许你不仅仅对 2007年感兴趣，而且你想看看这张图表是如何随着时间的推移而演变的。可以通过设置 animation_frame="year" （以及 animation_group ="country" 来标识哪些圆与控制条中的年份匹配）来设置动画。

在这个最终版本中，让我们在这里调整一些显示，因为像“gdpPercap” 这样的文本有点难看，即使它是我们的数据框列的名称。我们可以提供更漂亮的“标签” （labels），可以在整个图表、图例、标题轴和悬停（hovers）中应用。我们还可以手动设置边界，以便动画在整个过程中看起来更棒：

因为这是地理数据，我们也可以将其表示为动画地图，因此这清楚地表明 Plotly Express 不仅仅可以绘制散点图（不过这个数据集缺少前苏联的数据）。

事实上，Plotly Express 支持三维散点图、三维线形图、极坐标和地图上三元坐标以及二维坐标。条形图（Bar）有二维笛卡尔和极坐标风格。

进行可视化时，你可以使用单变量设置中的直方图（histograms）和箱形图（box）或小提琴图（violin plots），或双变量分布的密度等高线图（density contours）。大多数二维笛卡尔图接受连续或分类数据，并自动处理日期/时间数据。可以查看我们的图库 (ref-3) 来了解每个图表的例子。

上述动态图包含10多张图片的可视化，本文译者已将代码整合到 jupyter notebook 文件中，在公众号后台对话框回复Plotly即可获得源代码。

03 可视化分布

数据探索的主要部分是理解数据集中值的分布，以及这些分布如何相互关联。Plotly Express 有许多功能来处理这些任务。

使用直方图（histograms），箱形图（box）或小提琴图（violin plots）可视化单变量分布：

直方图

箱形图

小提琴图

还可以创建联合分布图（marginal rugs），使用直方图，箱形图（box）或小提琴来显示双变量分布，也可以添加趋势线。Plotly Express 甚至可以帮助你在悬停框中添加线条公式和R²值！它使用 statsmodels 进行普通最小二乘（OLS）回归或局部加权散点图平滑（LOWESS）。

04 颜色面板和序列

在上面的一些图中你会注意到一些不错的色标。在 Plotly Express 中， px.colors 模块包含许多有用的色标和序列：定性的、序列型的、离散的、循环的以及所有你喜欢的开源包：ColorBrewer、cmocean 和 Carto 。我们还提供了一些功能来制作可浏览的样本供你欣赏（ref-3）：

定性的颜色序列：

众多内置顺序色标中的一部分：

05 用一行 Python 代码进行交互式多维可视化

我们特别为我们的交互式多维图表感到自豪，例如散点图矩阵（SPLOMS）、平行坐标和我们称之为并行类别的并行集。通过这些，你可以在单个图中可视化整个数据集以进行数据探索。在你的Jupyter 笔记本中查看这些单行及其启用的交互：

散点图矩阵（SPLOM）允许你可视化多个链接的散点图：数据集中的每个变量与其他变量的关系。数据集中的每一行都显示为每个图中的一个点。你可以进行缩放、平移或选择操作，你会发现所有图都链接在一起！

平行坐标允许你同时显示3个以上的连续变量。dataframe 中的每一行都是一行。你可以拖动尺寸以重新排序它们并选择值范围之间的交叉点。

并行类别是并行坐标的分类模拟：使用它们可视化数据集中多组类别之间的关系。

06 Plotly 生态系统的一部分

Plotly Express 之于 Plotly.py 类似 Seaborn 之于 matplotlib：Plotly Express 是一个高级封装库，允许你快速创建图表，然后使用底层 API 和生态系统的强大功能进行修改。

对于Plotly 生态系统，这意味着一旦你使用 Plotly Express 创建了一个图形，你就可以使用Themes，使用 FigureWidgets 进行命令性编辑，使用 Orca 将其导出为几乎任何文件格式，或者在我们的 GUI JupyterLab 图表编辑器中编辑它。

主题（Themes）允许你控制图形范围的设置，如边距、字体、背景颜色、刻度定位等。你可以使用模板参数应用任何命名的主题或主题对象：

有三个内置的 Plotly 主题可以使用，分别是 plotly， plotlywhite 和 plotlydark。

px 输出继承自 Plotly.py 的 Figure 类 ExpressFigure 的对象，这意味着你可以使用任何 Figure 的访问器和方法来改变 px生成的绘图。例如，你可以将 .update() 调用链接到 px 调用以更改图例设置并添加注释。 .update() 现在返回修改后的数字，所以你仍然可以在一个很长的 Python 语句中执行此操作：

在这里，在使用 Plotly Express 生成原始图形之后，我们使用 Plotly.py 的 API 来更改一些图例设置并添加注释。

07 能够与 Dash 完美匹配

Dash 是 Plotly 的开源框架，用于构建具有 Plotly.py 图表的分析应用程序和仪表板。Plotly Express 产生的对象与 Dash 100％兼容，只需将它们直接传递到 dash_core_components.Graph，如下所示： dcc.Graph(figure = px.scatter(...))。这是一个非常简单的 50行 Dash 应用程序的示例，它使用 px 生成其中的图表：

这个 50 行的 Dash 应用程序使用 Plotly Express 生成用于浏览数据集的 UI 。

08 设计理念：为什么我们创建 Plotly Express？

可视化数据有很多原因：有时你想要提供一些想法或结果，并且你希望对图表的每个方面施加很多控制，有时你希望快速查看两个变量之间的关系。这是交互与探索的范畴。

Plotly.py 已经发展成为一个非常强大的可视化交互工具：它可以让你控制图形的几乎每个方面，从图例的位置到刻度的长度。不幸的是，这种控制的代价是冗长的：有时可能需要多行 Python 代码才能用 Plotly.py 生成图表。

我们使用 Plotly Express 的主要目标是使 Plotly.py 更容易用于探索和快速迭代。

我们想要构建一个库，它做出了不同的权衡：在可视化过程的早期牺牲一些控制措施来换取一个不那么详细的 API，允许你在一行 Python 代码中制作各种各样的图表。然而，正如我们上面所示，该控件并没有消失：你仍然可以使用底层的 Plotly.py 的 API 来调整和优化用 Plotly Express 制作的图表。

支持这种简洁 API 的主要设计决策之一是所有 Plotly Express 的函数都接受“整洁”的 dataframe 作为输入。

每个 Plotly Express 函数都体现了dataframe 中行与单个或分组标记的清晰映射，并具有图形启发的语法签名，可让你直接映射这些标记的变量，如 x 或 y 位置、颜色、大小、 facet-column 甚至是动画帧到数据框（dataframe）中的列。

当你键入 px.scatter（data，x ='col1'，y='col2'）时，Plotly Express 会为数据框中的每一行创建一个小符号标记 - 这就是 px.scatter 的作用 - 并将 “col1” 映射到 x 位置（类似于 y 位置）。

这种方法的强大之处在于它以相同的方式处理所有可视化变量：你可以将数据框列映射到颜色，然后通过更改参数来改变你的想法并将其映射到大小或进行行分面（facet-row）。

接受整个整洁的 dataframe 的列名作为输入（而不是原始的 numpy 向量）也允许 px 为你节省大量的时间，因为它知道列的名称，它可以生成所有的 Plotly.py 配置用于标记图例、轴、悬停框、构面甚至动画帧。但是，如上所述，如果你的 dataframe 的列被笨拙地命名，你可以告诉 px 用每个函数的 labels 参数替换更好的。

仅接受整洁输入所带来的最终优势是它更直接地支持快速迭代：你整理一次数据集，从那里可以使用 px 创建数十种不同类型的图表，包括在 SPLOM 中可视化多个维度、使用平行坐标、在地图上绘制，在二维、三维极坐标或三维坐标中使用等，所有这些都不需要重塑你的数据！

我们没有以权宜之计的名义牺牲控制的所有方面，我们只关注你想要在数据可视化过程的探索阶段发挥的控制类型。你可以对大多数函数使用 category_orders 参数来告诉 px 你的分类数据“好”、“更好”、“最佳” 等具有重要的非字母顺序，并且它将用于分类轴、分面绘制和图例的排序。

你可以使用 color_discrete_map （以及其他 * _map 参数）将特定颜色固定到特定数据值（如果这对你的示例有意义）。当然，你可以在任何地方重构 color_discrete_sequence 或 color_continuous_scale （和其他 *_sequence 参数）。

在 API 级别，我们在 px 中投入了大量的工作，以确保所有参数都被命名，以便在键入时最大限度地发现：所有 scatter -类似的函数都以 scatter 开头（例如 scatter_polar， scatter_ternary）所以你可以通过自动补全来发现它们。

我们选择拆分这些不同的散点图函数，因此每个散点图函数都会接受一组定制的关键字参数，特别是它们的坐标系。也就是说，共享坐标系的函数集（例如 scatter， line ＆ bar，或 scatter_polar， line_polar 和 bar_polar ）也有相同的参数，以最大限度地方便学习。

我们还花了很多精力来提出简短而富有表现力的名称，这些名称很好地映射到底层的 Plotly.py 属性，以便于在工作流程中稍后调整到交互的图表中。

最后，Plotly Express 作为一个新的 Python 可视化库，在 Plotly 生态系统下，将会迅速发展。所以不要犹豫，立即开始使用 Plotly Express 吧！