很多時候，一張炫酷圖就足以勝過千言萬語。對于數學科學家來說，當想闡述自己的觀點、勞動成果時，我們需要直接有效的溝通。單調乏味的文本和數字，很難抓住別人的眼球，飄飄亮亮的可視化動態圖是必不可少的，至少是一個加分項。

[[322709]]

本文將基于Python的Plotly圖形庫，介紹幾種工作中常用的動畫圖和交互式圖標。在使用之前看一下是否安裝了 Plotly。

1. 朝陽圖

層次結構數據通常存儲為矩形數據框，其中不同的列對應于層次結構的不同級別。px.sunburst可以采用path與列列表相對應的參數。請注意，如果給出id，則parent不應提供path。

import plotly.express as px 
df = px.data.tips() 
fig = px.sunburst(df, path=['day', 'time', 'sex'], values='total_bill') 
fig.show() 

2. 桑基圖

桑基圖通過定義可視化到流動的貢獻源來表示源節點，目標為目標節點，數值以設置流volum，和標簽，顯示了節點名稱,在流量分析中常用。

import plotly.graph_objects as go 
import urllib, json 
 
url = 'https://raw.githubusercontent.com/plotly/plotly.js/master/test/image/mocks/sankey_energy.json' 
response = urllib.request.urlopen(url) 
data = json.loads(response.read()) 
 
# override gray link colors with 'source' colors 
opacity = 0.4 
# change 'magenta' to its 'rgba' value to add opacity 
data['data'][0]['node']['color'] = ['rgba(255,0,255, 0.8)' if color == "magenta" else color for color in data['data'][0]['node']['color']] 
data['data'][0]['link']['color'] = [data['data'][0]['node']['color'][src].replace("0.8", str(opacity)) 
                                    for src in data['data'][0]['link']['source']] 
 
fig = go.Figure(data=[go.Sankey( 
    valueformat = ".0f", 
    valuesuffix = "TWh", 
    # Define nodes 
    node = dict( 
      pad = 15, 
      thickness = 15, 
      line = dict(color = "black", width = 0.5), 
      label =  data['data'][0]['node']['label'], 
      color =  data['data'][0]['node']['color'] 
    ), 
    # Add links 
    link = dict( 
      source =  data['data'][0]['link']['source'], 
      target =  data['data'][0]['link']['target'], 
      value =  data['data'][0]['link']['value'], 
      label =  data['data'][0]['link']['label'], 
      color =  data['data'][0]['link']['color'] 
))]) 
 
fig.update_layout(title_text="Energy forecast for 2050<br>Source: Department of Energy & Climate Change, Tom Counsell via <a >Mike Bostock</a>", 
                  font_size=10) 
fig.show() 

效果圖

3. 雷達圖

雷達圖(也稱為蜘蛛情節或情節星)顯示器在從中心軸始發表示定量變量的二維圖的形式多變量數據。軸的相對位置和角度通常是無用的。它等效于軸沿徑向排列的平行坐標圖。

import plotly.graph_objects as go 
import urllib, json 
 
url = 'https://raw.githubusercontent.com/plotly/plotly.js/master/test/image/mocks/sankey_energy.json' 
response = urllib.request.urlopen(url) 
data = json.loads(response.read()) 
 
# override gray link colors with 'source' colors 
opacity = 0.4 
# change 'magenta' to its 'rgba' value to add opacity 
data['data'][0]['node']['color'] = ['rgba(255,0,255, 0.8)' if color == "magenta" else color for color in data['data'][0]['node']['color']] 
data['data'][0]['link']['color'] = [data['data'][0]['node']['color'][src].replace("0.8", str(opacity)) 
                                    for src in data['data'][0]['link']['source']] 
 
fig = go.Figure(data=[go.Sankey( 
    valueformat = ".0f", 
    valuesuffix = "TWh", 
    # Define nodes 
    node = dict( 
      pad = 15, 
      thickness = 15, 
      line = dict(color = "black", width = 0.5), 
      label =  data['data'][0]['node']['label'], 
      color =  data['data'][0]['node']['color'] 
    ), 
    # Add links 
    link = dict( 
      source =  data['data'][0]['link']['source'], 
      target =  data['data'][0]['link']['target'], 
      value =  data['data'][0]['link']['value'], 
      label =  data['data'][0]['link']['label'], 
      color =  data['data'][0]['link']['color'] 
))]) 
 
fig.update_layout(title_text="Energy forecast for 2050<br>Source: Department of Energy & Climate Change, Tom Counsell via <a >Mike Bostock</a>", 
                  font_size=10) 
fig.show() 

效果圖

4. 漏斗圖

漏斗圖通常用于表示業務流程不同階段的數據。在商業智能中，這是識別流程潛在問題區域的重要機制。例如，它用于觀察銷售過程中每個階段的收入或損失，并顯示逐漸減小的值。每個階段均以占所有值的百分比表示。

from plotly import graph_objects as go 
 
fig = go.Figure() 
 
fig.add_trace(go.Funnel( 
    name = 'Montreal', 
    y = ["Website visit", "Downloads", "Potential customers", "Requested price"], 
    x = [120, 60, 30, 20], 
    textinfo = "value+percent initial")) 
 
fig.add_trace(go.Funnel( 
    name = 'Toronto', 
    orientation = "h", 
    y = ["Website visit", "Downloads", "Potential customers", "Requested price", "invoice sent"], 
    x = [100, 60, 40, 30, 20], 
    textposition = "inside", 
    textinfo = "value+percent previous")) 
 
fig.add_trace(go.Funnel( 
    name = 'Vancouver', 
    orientation = "h", 
    y = ["Website visit", "Downloads", "Potential customers", "Requested price", "invoice sent", "Finalized"], 
    x = [90, 70, 50, 30, 10, 5], 
    textposition = "outside", 
    textinfo = "value+percent total")) 
 
fig.show() 

效果圖

5. 3D表面圖

具有輪廓的曲面圖，使用contours屬性顯示和自定義每個軸的輪廓數據。

import plotly.graph_objects as go 
 
import pandas as pd 
 
# Read data from a csv 
z_data = pd.read_csv('https://raw.githubusercontent.com/plotly/datasets/master/api_docs/mt_bruno_elevation.csv') 
 
fig = go.Figure(data=[go.Surface(z=z_data.values)]) 
fig.update_traces(contours_z=dict(show=True, usecolormap=True, 
                                  highlightcolor="limegreen", project_z=True)) 
fig.update_layout(title='Mt Bruno Elevation', autosize=False, 
                  scene_camera_eye=dict(x=1.87, y=0.88, z=-0.64), 
                  width=500, height=500, 
                  margin=dict(l=65, r=50, b=65, t=90) 
) 
 
fig.show() 

6. 動畫圖

一些Plotly Express函數支持通過animation_frame和animation_group參數創建動畫人物。這是使用Plotly Express創建的動畫散點圖的示例。請注意，您應始終修復x_range和，y_range以確保您的數據在整個動畫中始終可見。

import plotly.express as px 
df = px.data.gapminder() 
px.scatter(df, x="gdpPercap", y="lifeExp", animation_frame="year", animation_group="country", 
           size="pop", color="continent", hover_name="country", 
           log_x=True, size_max=55, range_x=[100,100000], range_y=[25,90]) 

結論

可視化的圖形在日常工作中經常實用，其中Plotly是用過的體驗比較好的，本篇文章分享給大家一些案例，Plotly可視化遠不止這些，在后續的文章中，涉及可視化部分的，將介紹更多酷炫的可視化圖形，喜歡點個在看分享，收藏以備不時之需。