Ok, suficiente teoría, comencemos.
Instalación:
Para instalar este módulo, escriba el siguiente comando en la terminal.
pip install plotly
Empezando
Vamos a crear varias parcelas usando este módulo.
- Gráfico de dispersión: Gráfico de dispersión. Se utilizan principalmente para la representación de la relación entre dos variables.
Python3
# import all required libraries import numpy as np import plotly import plotly.graph_objects as go import plotly.offline as pyo from plotly.offline import init_notebook_mode init_notebook_mode(connected=True) # generating 150 random integers # from 1 to 50 x = np.random.randint(low=1, high=50, size=150)*0.1 # generating 150 random integers # from 1 to 50 y = np.random.randint(low=1, high=50, size=150)*0.1 # plotting scatter plot fig = go.Figure(data=go.Scatter(x=x, y=y, mode='markers')) fig.show()
Producción:
- Gráficos de barras: los gráficos de barras se utilizan cuando queremos comparar diferentes grupos de datos y hacer inferencias sobre qué grupos son los más altos y qué grupos son comunes y comparar el rendimiento de un grupo en comparación con otros.
Python3
# import all required libraries import numpy as np import plotly import plotly.graph_objects as go import plotly.offline as pyo from plotly.offline import init_notebook_mode init_notebook_mode(connected = True) # countries on x-axis countries=['India', 'canada', 'Australia','Brazil', 'Mexico','Russia', 'Germany','Switzerland', 'Texas'] # plotting corresponding y for each # country in x fig = go.Figure([go.Bar(x=countries, y=[80,70,60,50, 40,50,60,70,80])]) fig.show()
Producción:
- Gráfico circular: Un gráfico circular representa la distribución de diferentes variables entre el total. En el gráfico circular, cada porción muestra su contribución a la cantidad total.
Python3
# import all required libraries import numpy as np import plotly import plotly.graph_objects as go import plotly.offline as pyo from plotly.offline import init_notebook_mode init_notebook_mode(connected = True) # different individual parts in # total chart countries=['India', 'canada', 'Australia','Brazil', 'Mexico','Russia', 'Germany','Switzerland', 'Texas'] # values corresponding to each # individual country present in # countries values = [4500, 2500, 1053, 500, 3200, 1500, 1253, 600, 3500] # plotting pie chart fig = go.Figure(data=[go.Pie(labels=countries, values=values)]) fig.show()
Producción:
- Histograma: un histograma traza la distribución continua de la variable como una serie de barras y cada barra indica la frecuencia del valor que ocurre en una variable.
Python3
# import all required libraries import numpy as np import plotly import plotly.graph_objects as go import plotly.offline as pyo from plotly.offline import init_notebook_mode init_notebook_mode(connected = True) # save the state of random np.random.seed(42) # generating 250 random numbers x = np.random.randn(250) # plotting histogram for x fig = go.Figure(data=[go.Histogram(x=x)]) fig.show()
Producción:
- Diagrama de caja: Un diagrama de caja es la representación de un resumen estadístico. Mínimo, Primer Cuartil, Mediana, Tercer Cuartil, Máximo.
Python3
# import all required libraries import numpy as np import plotly import plotly.graph_objects as go import plotly.offline as pyo from plotly.offline import init_notebook_mode init_notebook_mode(connected = True) np.random.seed(42) # generating 50 random numbers y = np.random.randn(50) # generating 50 random numbers y1 = np.random.randn(50) fig = go.Figure() # updating the figure with y fig.add_trace(go.Box(y=y)) # updating the figure with y1 fig.add_trace(go.Box(y=y1)) fig.show()
Producción:
Publicación traducida automáticamente
Artículo escrito por Koushik222 y traducido por Barcelona Geeks. The original can be accessed here. Licence: CCBY-SA