Plotly es una biblioteca de Python que se utiliza para diseñar gráficos, especialmente gráficos interactivos. Puede trazar varios gráficos y tablas como histograma, diagrama de barras, diagrama de caja, diagrama de dispersión y muchos más. Se utiliza principalmente en el análisis de datos, así como en el análisis financiero. Plotly es una biblioteca de visualización interactiva.
Gráfico de barras
En un gráfico de barras, las categorías de datos se muestran en el eje vertical y los valores de los datos se muestran en el eje horizontal. Las etiquetas son más fáciles de mostrar y con un gran conjunto de datos impulsan a trabajar mejor en un diseño estrecho, como la vista móvil.
Sintaxis: plotly.express.bar(data_frame=Ninguno, x=Ninguno, y=Ninguno, color=Ninguno, facet_row=Ninguno, facet_col=Ninguno, facet_col_wrap=0, hover_name=Ninguno, hover_data=Ninguno, custom_data=Ninguno, text= Ninguno, error_x=Ninguno, error_x_minus=Ninguno, error_y=Ninguno, error_y_minus=Ninguno, animation_frame=Ninguno, animation_group=Ninguno, category_orders={}, label={}, color_discrete_sequence=Ninguno, color_discrete_map={}, color_continuous_scale=Ninguno, range_color =Ninguno, color_continuous_midpoint=Ninguno, opacidad=Ninguno, orientación=Ninguno, modo de barra=’relativo’, log_x=Falso, log_y=Falso, rango_x=Ninguno, rango_y=Ninguno, título=Ninguno, plantilla=Ninguno, ancho=Ninguno, alto =Ninguno)
Parámetros:
Nombre | Descripción |
---|---|
marco de datos | Este argumento debe pasarse para que se utilicen los nombres de las columnas (y no los nombres de las palabras clave). Array-like y dict se transforman internamente en un DataFrame de pandas. Opcional: si falta, un DataFrame se construye bajo el capó usando los otros argumentos. |
X | Ya sea un nombre de una columna en data_frame, o una serie de pandas o un objeto similar a una array. Los valores de esta columna o array_like se utilizan para colocar marcas a lo largo del eje x en coordenadas cartesianas. Opcionalmente, x o y pueden ser una lista de referencias de columna o array_likes, en cuyo caso los datos se tratarán como si fueran ‘anchos’ en lugar de ‘largos’. |
y | Ya sea un nombre de una columna en data_frame, o una serie de pandas o un objeto similar a una array. Los valores de esta columna o array_like se utilizan para colocar marcas a lo largo del eje y en coordenadas cartesianas. Opcionalmente, x o y pueden ser una lista de referencias de columna o array_likes, en cuyo caso los datos se tratarán como si fueran ‘anchos’ en lugar de ‘largos’. |
color | Ya sea un nombre de una columna en data_frame, o una serie de pandas o un objeto similar a una array. Los valores de esta columna o array_like se utilizan para asignar color a las marcas. |
Gráfico de barras con Plotly Express
En este ejemplo, vamos a utilizar Plotly express para trazar un gráfico de barras.
Python3
import plotly.express as px import numpy # creating random data through randomint # function of numpy.random np.random.seed(42) random_x= np.random.randint(1, 101, 100) random_y= np.random.randint(1, 101, 100) fig = px.bar(random_x, y = random_y) fig.show()
Producción:
Gráfico de barras con datos de formato largo y ancho
Ejemplo 1: En este ejemplo, usaremos el conjunto de datos del iris y lo convertiremos en el marco de datos para trazar el gráfico de barras.
Python3
import plotly.express as px df = px.data.iris() fig = px.bar(df, x = "sepal_width", y = "sepal_length") fig.show()
Producción:
Ejemplo 2: En este ejemplo, veremos datos de formato largo. los datos de formato largo tienen una fila por observación y una columna por variable. Esto es adecuado para almacenar y mostrar datos multivariados, es decir, con dimensiones superiores a 2. Este formato a veces se denomina «ordenado».
Python3
import plotly.express as px long_df = px.data.medals_long() fig = px.bar(long_df, x = "nation", y = "count", color = "medal", title = "Long-Form Input") fig.show()
Producción:
Ejemplo 3: En este ejemplo, veremos datos de ancho. los datos de formato ancho tienen una fila por valor de una de las primeras variables y una columna por valor de la segunda variable. Esto es adecuado para almacenar y mostrar datos bidimensionales.
Python3
import plotly.express as px df = px.data.medals_wide() fig = px.bar(df, x="nation", y=["gold", "silver", "bronze"], title="Wide Form Data") fig.show()
Producción:
Mostrando subparcelas facetadas
En plotly, para crear las subparcelas con facetas, se utiliza el argumento facet_row, donde diferentes valores corresponden a diferentes filas de las columnas del marco de datos.
Ejemplo:
Python3
import plotly.express as px df = px.data.iris() fig = px.bar(df, x="sepal_width", y="sepal_length", color="species", barmode="group", facet_row="species", facet_col="species_id") fig.show()
Producción:
Personalización de gráficos de barras
Mediante el uso de argumentos de palabras clave, el modo de barra se puede personalizar. Veamos los ejemplos que se dan a continuación:
Ejemplo 1: En este ejemplo, la barra se personaliza según los atributos de color.
Python3
import plotly.express as px df = px.data.iris() fig = px.bar(df, x="sepal_width", y="sepal_length", color="species") fig.show()
Producción:
Ejemplo 2: En este ejemplo, usaremos barmode = “group”.
Python3
import plotly.express as px df = px.data.iris() fig = px.bar(df, x="sepal_width", y="sepal_length", color="species", barmode = 'group') fig.show()
Producción:
Ejemplo 3: Aquí, usaremos “superposición” Con “superposición”, las barras se superponen con otra. Aquí vemos fácilmente “opacidad” para ver múltiples barras.
Python3
import plotly.express as px df = px.data.iris() fig = px.bar(df, x="sepal_width", y="sepal_length", color="species", barmode='overlay') fig.show()
Producción:
Publicación traducida automáticamente
Artículo escrito por nishantsundriyal98 y traducido por Barcelona Geeks. The original can be accessed here. Licence: CCBY-SA