Python使用plotly绘制数据图表的方法
Posted 生活会辜负努力的人，但不会辜负一直努力的人
tags:
篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了Python使用plotly绘制数据图表的方法相关的知识，希望对你有一定的参考价值。
转载：http://www.jb51.net/article/118936.htm
本篇文章主要介绍了Python使用plotly绘制数据图表的方法，实例分析了plotly绘制的技巧。
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绘图实例：
1、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：
1 import plotly.plotly 2 import plotly.graph_objs as pg 3 4 5 def line_plots(output_path): 6 """ 7 绘制普通线图 8 """ 9 # 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 10 dataset = {\'x\': [0, 1, 2, 3, 4, 5, 6, 7, 8, 9], 11 \'y\': [5, 4, 1,3, 11, 2, 6, 7, 19, 20], 12 \'z\': [12, 9, 0, 0, 3, 25, 8, 17, 22, 5]} 13 14 data_g = [] 15 # 分别插入 y, z 16 tr_x = pg.Scatter( 17 x=dataset[\'x\'], 18 y=dataset[\'y\'], 19 name=\'y\' 20 ) 21 data_g.append(tr_x) 22 tr_z = pg.Scatter( 23 x=dataset[\'x\'], 24 y=dataset[\'z\'], 25 name=\'z\' 26 ) 27 data_g.append(tr_z) 28 29 # 设置layout,指定图表title,x轴和y轴名称 30 layout = pg.Layout(title="line plots", xaxis={\'title\': \'x\'}, yaxis={\'title\': \'value\'}) 31 # 将layout设置到图表 32 fig = pg.Figure(data=data_g, layout=layout) 33 # 绘图,输出路径为output_path参数指定 34 plotly.offline.plot(fig, filename=output_path) 35 36 37 if __name__ == \'__main__\': 38 line_plots(output_path)
2、scatter-plots
绘图效果：
1 import plotly.plotly 2 import plotly.graph_objs as pg 3 4 5 def scatter_plots(output_path): 6 \'\'\' 7 绘制散点图 8 \'\'\' 9 dataset = {\'x\':[0,1,2,3,4,5,6,7,8,9], 10 \'y\':[5,4,1,3,11,2,6,7,19,20], 11 \'text\':[\'5_txt\',\'4_txt\',\'1_txt\',\'3_txt\',\'11_txt\',\'2_txt\',\'6_txt\',\'7_txt\',\'19_txt\',\'20_txt\']} 12 13 data_g = [] 14 15 tr_x = pg.Scatter( 16 x = dataset[\'x\'], 17 y = dataset[\'y\'], 18 text = dataset[\'text\'], 19 textposition=\'top center\', 20 mode=\'markers+text\', 21 name = \'y\' 22 ) 23 data_g.append(tr_x) 24 25 layout = pg.Layout(title="scatter plots", xaxis={\'title\':\'x\'}, yaxis={\'title\':\'value\'}) 26 fig = pg.Figure(data=data_g, layout=layout) 27 plotly.offline.plot(fig, filename=output_path) 28 29 30 if __name__ == \'__main__\': 31 scatter_plots("C:/Users/fuqia/Desktop/scatter.html")
3、bar-charts
绘图效果：
代码：
1 import plotly.plotly 2 import plotly.graph_objs as pg 3 4 5 def bar_charts(name): 6 \'\'\' 7 绘制柱状图 8 \'\'\' 9 dataset = {\'x\':[\'Windows\', \'Linux\', \'Unix\', \'MacOS\'], 10 \'y1\':[45, 26, 37, 13], 11 \'y2\':[19, 27, 33, 21]} 12 data_g = [] 13 tr_y1 = pg.Bar( 14 x = dataset[\'x\'], 15 y = dataset[\'y1\'], 16 name = \'v1\' 17 ) 18 data_g.append(tr_y1) 19 20 tr_y2 = pg.Bar( 21 x = dataset[\'x\'], 22 y = dataset[\'y2\'], 23 name = \'v2\' 24 ) 25 data_g.append(tr_y2) 26 layout = pg.Layout(title="bar charts", xaxis={\'title\':\'x\'}, yaxis={\'title\':\'value\'}) 27 fig = pg.Figure(data=data_g, layout=layout) 28 plotly.offline.plot(fig, filename=name) 29 30 31 if __name__ == \'__main__\': 32 bar_charts("C:/Users/fuqia/Desktop/bar.html")
4、pie-charts
绘图效果：
代码：
1 import plotly.plotly 2 import plotly.graph_objs as pg 3 4 5 def pie_charts(name): 6 \'\'\' 7 绘制饼图 8 \'\'\' 9 dataset = {\'labels\': [\'Windows\', \'Linux\', \'Unix\', \'MacOS\', \'Android\', \'iOS\'], 10 \'values\': [280, 25, 10, 100, 250, 270]} 11 data_g = [] 12 tr_p = pg.Pie( 13 labels = dataset[\'labels\'], 14 values = dataset[\'values\'] 15 ) 16 data_g.append(tr_p) 17 layout = pg.Layout(title="pie charts") 18 fig = pg.Figure(data=data_g, layout=layout) 19 plotly.offline.plot(fig, filename=name) 20 21 22 if __name__ == \'__main__\': 23 pie_charts("C:/Users/fuqia/Desktop/bar.html")
5、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：
1 import plotly.plotly 2 import plotly.graph_objs as pg 3 4 5 def filled_area_plots(name): 6 \'\'\' 7 绘制堆叠填充的线图 8 \'\'\' 9 dataset = {\'x\':[0,1,2,3,4,5,6,7,8,9], 10 \'y1\':[5,4,1,3,11,2,6,7,19,20], 11 \'y2\':[12,9,0,0,3,25,8,17,22,5], 12 \'y3\':[13,22,46,1,15,4,18,11,17,20]} 13 14 #计算y1,y2,y3的堆叠占比 15 dataset[\'y1_stack\'] = dataset[\'y1\'] 16 dataset[\'y2_stack\'] = [y1+y2 for y1, y2 in zip(dataset[\'y1\'], dataset[\'y2\'])] 17 dataset[\'y3_stack\'] = [y1+y2+y3 for y1, y2, y3 in zip(dataset[\'y1\'], dataset[\'y2\'], dataset[\'y3\'])] 18 19 dataset[\'y1_text\'] = [\'%s(%s%%)\'%(y1, y1*100/y3_s) for y1, y3_s in zip(dataset[\'y1\'], dataset[\'y3_stack\'])] 20 dataset[\'y2_text\'] = [\'%s(%s%%)\'%(y2, y2*100/y3_s) for y2, y3_s in zip(dataset[\'y2\'], dataset[\'y3_stack\'])] 21 dataset[\'y3_text\'] = [\'%s(%s%%)\'%(y3, y3*100/y3_s) for y3, y3_s in zip(dataset[\'y3\'], dataset[\'y3_stack\'])] 22 23 data_g = [] 24 tr_1 = pg.Scatter( 25 x = dataset[\'x\'], 26 y = dataset[\'y1_stack\'], 27 text = dataset[\'y1_text\'], 28 hoverinfo = \'x+text\', 29 mode = \'lines\', 30 name = \'y1\', 31 fill = \'tozeroy\' #填充方式: 到x轴 32 ) 33 data_g.append(tr_1) 34 35 tr_2 = pg.Scatter( 36 x = dataset[\'x\'], 37 y = dataset[\'y2_stack\'], 38 text = dataset[\'y2_text\'], 39 hoverinfo = \'x+text\', 40 mode = \'lines\', 41 name = \'y2\', 42 fill = \'tonexty\' #填充方式:到下方的另一条线 43 ) 44 data_g.append(tr_2) 45 46 tr_3 = pg.Scatter( 47 x = dataset[\'x\'], 48 y = dataset[\'y3_stack\'], 49 text = dataset[\'y3_text\'], 50 hoverinfo = \'x+text\', 51 mode = \'lines\', 52 name = \'y3\', 53 fill = \'tonexty\' 54 ) 55 data_g.append(tr_3) 56 57 layout = pg.Layout(title="field area plots", xaxis={\'title\':\'x\'}, yaxis={\'title\':\'value\'}) 58 fig = pg.Figure(data=data_g, layout=layout) 59 plotly.offline.plot(fig, filename=name) 60 61 62 if __name__ == \'__main__\': 63 filled_area_plots("C:/Users/fuqia/Desktop/bar.html")
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
以上是关于Python使用plotly绘制数据图表的方法的主要内容，如果未能解决你的问题，请参考以下文章
用 Python 当中 Plotly.Express 模块绘制几张图表，真的被惊艳到了！！