一文学会制作 6 种炫酷的 Python 动态图

很多时候，一张炫酷图就足以胜过千言万语。对于数学科学家来说，当想阐述自己的观点、劳动成果时，我们需要直接有效的沟通。单调乏味的文本和数字，很难抓住别人的眼球，飘飘亮亮的可视化动态图是必不可少的，至少是一个加分项。

本文将基于Python的Plotly图形库，介绍几种工作中常用的动画图和交互式图标。在使用之前看一下是否安装了 Plotly。

1. 朝阳图

层次结构数据通常存储为矩形数据框，其中不同的列对应于层次结构的不同级别。px.sunburst可以采用path与列列表相对应的参数。请注意，如果给出id，则parent不应提供path。

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

2. 桑基图

桑基图通过定义可视化到流动的贡献源来表示源节点，目标为目标节点，数值以设置流volum，和标签，显示了节点名称,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 href='https://bost.ocks.org/mike/sankey/'>Mike Bostock</a>", 
                  font_size=10) 
fig.show() 

效果图

3. 雷达图

雷达图(也称为蜘蛛情节或情节星)显示器在从中心轴始发表示定量变量的二维图的形式多变量数据。轴的相对位置和角度通常是无用的。它等效于轴沿径向排列的平行坐标图。

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 href='https://bost.ocks.org/mike/sankey/'>Mike Bostock</a>", 
                  font_size=10) 
fig.show() 

效果图

4. 漏斗图

漏斗图通常用于表示业务流程不同阶段的数据。在商业智能中，这是识别流程潜在问题区域的重要机制。例如，它用于观察销售过程中每个阶段的收入或损失，并显示逐渐减小的值。每个阶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() 

效果图

5. 3D表面图

具有轮廓的曲面图，使用contours属性显示和自定义每个轴的轮廓数据。

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. 动画图

一些Plotly Express函数支持通过animation_frame和animation_group参数创建动画人物。这是使用Plotly Express创建的动画散点图的示例。请注意，您应始终修复x_range和，y_range以确保您的数据在整个动画中始终可见。

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])