大数据可视化 课件 项目3 Plotly应用

项目五：—Plotly应用（用户画像数据可视化）目录CONTENTS绘制直方图和饼图绘制面积图、子图与坐标轴图形思考与练习项目概述学习目标Plotly绘制柱状图绘制散点图和线形图形1项目概述继Matplotlib、Pyecharts之后，本项目介绍Plotly绘图库。与Matplotlib和Pyecharts相比，Plotly与Pyecharts都可实现非常炫酷的绘图效果，也具有它独有的特点。Plotly在基本图表、地图、3D图表、多子图、动画效果、交互控件等方面都非常优秀，是功能非常全面的绘图包，学习和使用Plotly是非常有必要的。本项目融合Plotly基础知识与综合绘图与一体，着重介绍Plotly常用图表的绘制，并结合综合应用对所学内容进行练习，熟练掌握本项目内容。本项目具体工作如下：1.Plotly简介；2.Plotly绘图模块graph_objs和express；3.Plotly常用图表绘制。项目概述2学习目标任务目标现如今Plotly在国内的用户量并不是十分庞大，但是Plotly丰富的功能和精美的图表，在大数据可视化众多包中表现出色，相比Matplotlib具有更精美的图表，相对Pyecharts具有更强的交互性，并且绘制出的交互式图表更易共享。通过本项目的学习,了解Plotly并掌握Plotly安装与入门使用、Plotly常用图表绘制、Plotly绘制多图等,具备Plotly大数据可视化的基本技能，拓展大数据专业素养。3Plotly绘制柱状图任务描述本任务学习的是Plotly在2016年增加的Python接口，使得更多的Python用户可以使用Plotly绘制图表，而不需要花费大量精力学习JavaScript等知识。通过对Plotly简介、特点、安装入门、基本用法进行讲解与实践，初步了解Plotly并展现Plotly绘图风格，激发学习大数据可视化课程的兴趣与积极性。通过学习本任务内容，掌握Plotly两种绘图模块的入门操作以及柱状图、层叠柱状图、并列柱状图、水平柱状图、连续颜色柱状图等图形绘制，掌握柱状图主要参数含义，深入理解Plotly两种绘图模块绘图步骤与原理，并通过练习题将所学知识巩固应用。知识与技能Plotly的基础图表目前有19种，包括散点图、线形图、柱状图、饼图、泡沫图、点状图、填充面积图、水平条形图、甘特图、旭日图、表、桑基图、树形图等；16种统计图表，21种科学图表，8种财务图表，13种地图，13种3D图表，6种人工智能和机器学习图表，4种生物信息学图表，除此之外还提供了很多其他图表，随着Plotly的不断升级与发展，以及需求的不断增加，会出现越来越多的图表格式供用户使用。Plotly是使用plotly.js制作的，支持多种语言，如R、MATLAB、Python、JavaScript、F#等，目前，Python发展迅猛，并且已经超过Java，成为最热的语言，在大数据、数据分析、人工智能、数据挖掘等领域均有涉及，故本书介绍Plotly的PythonAPI接口。Plotly既有Matplotlib的稳定和灵活，也有Pyecharts具有的精致与优雅，可以生成图片文件，也可以生成HTML文件，能够将绘制好的交互式图表分享给他人，同样也支持3D图表，分享的交互式图表是JavaScript脚本，所有的图表、互动、动画等都是Python调用函数生成的、一、Plotly简介知识与技能Plotly常用的绘图模块有两个，graph_objs和express,我们将随机使用这两个绘图模块进行绘图，逐步掌握Plotly。graph_objs的绘图原理：1.导包2.读取数据3.定义图形轨迹4.形成轨迹列表5.添加图形参数6.显示图形express的绘图原理较为简单，在使用express调用方法时，自动创建画布绘图，然后展示图表即可。二、绘图模块graph_objs和express知识与技能express是Plotly为了简化繁琐的绘图步骤推出的简化接口，通常简称为px。px是Plotly.py的高级封装，内置了非常多的绘图模板，只需简单调用API就可以迅速的绘制精致、美观、交互的图表。plotly.graph_objs通常简称为go，一般称为“低级”接口，同样非常优秀。本任务中，我们既有graph_objs绘图方法实例，也有express绘图方法实例。这里主要介绍express相关函数和参数，express模块内置了大量的图表类型。三、Plotly绘图形类型知识与技能三、Plotly绘图形类型名称功能express.scatter散点图express.scatter_3d三维散点图express.scatter_polar极坐标散点图express.scatter_ternary三元散点图express.scatter_mapbox地图散点图express.scatter_geo地理坐标散点图express.line折线图express.line_3d三维线形图express.line_polar极坐标线形图express.line_ternary三元线形图express.line_mapbox地图线形图express.line_geo地理坐标线形图express.area堆积区域图express.bar柱状图express.timeline时间轴图express.bar_polar极坐标条形图express.violin小提琴图express.box箱型图express.strip长条图express.histogram直方图知识与技能三、Plotly绘图形类型名称功能express.ecdf经验累积分布函数图express.scatter_matrix矩阵散点图express.parallel_coordinates平行坐标图express.parallel_categories平行类别图express.choropleth等高区域地图express.density_

contour密度等值线图express.density_heatmap密度热力图express.pie饼图express.sunburst旭日图express.treemap树形图express.icicle冰柱图express.funnel漏斗图express.funnel_area漏斗区域图express.choropleth_mapbox分级统计图express.density_mapbox密度地图使用express.bar绘制柱状图，bar方法可以传入很多参数，如表5-2所示：知识与技能任务实施第一步：安装pipinstallplotly5.1.1

Plotly安装任务实施5.1.1Plotly安装第二步：查看版本号

pipshowplotly任务实施5.1.2

Plotly绘制普通柱状图我们分别使用graph_objs和express模块绘柱状图为例，来熟悉Plotly绘图流程，这里用农业塑料薄膜使用量数据来做演示。方式一、graph_objs绘制柱状图第一步：导入包并加载数据#导包importpandasaspdimportnumpyasnpimportplotly.expressaspximportpymysqlimportsqlalchemyassqlimportwarningswarnings.filterwarnings("ignore")#当浏览器不支持渲染当前图时，可以用下列代码选择支持浏览器版本#importplotly.ioaspio#pio.renderers.default='browser'#加载数据#create_engine(‘dialect+driver://username:password@host:port/database’)engine=sql.create_engine('mysql+pymysql://root:root@localhost:3306/bdv')sql1='''select*from1_plastic'''df=pd.read_sql(sql1,engine)任务实施5.1.2Plotly绘制普通柱状图#柱状图用Bartrace=go.Bar(x=df["时间"],y=df["农用塑料薄膜使用量(吨)"])data=[trace]layout=go.Layout(title='农林牧渔',barmode='stack',font={'size':22})fig=go.Figure(data=data,layout=layout)fig.update_layout(font_size=22,legend=dict(

orientation="h",#y轴方向相对位置

yanchor="bottom",

y=-0.2,

xanchor="center",

x=0.5,

title_text=''))#更新x坐标轴fig.update_xaxes(

side='bottom',

title={'text':''})fig.update_yaxes(

side='left',

title={'text':''})fig.update_layout(

title={

'text':"2012年~2021年农林牧渔业总产值",

'y':0.9,

'x':0.5

})fig.show()任务实施绘图效果如下：5.1.2Plotly绘制普通柱状图任务实施5.1.2Plotly绘制普通柱状图方式二、express绘制柱状图importpandasaspdimportnumpyasnpimportplotly.expressaspximportpymysqlimportsqlalchemyassqlimportwarningswarnings.filterwarnings("ignore")engine=sql.create_engine('mysql+pymysql://root:root@localhost:3306/bdv')sql1='''select*from1_plastic'''df=pd.read_sql(sql1,engine)第一步：导包并加载数据第二步：绘图并设置画布#柱状图fig=px.bar(df,x=df["时间"],y=df["农用塑料薄膜使用量(吨)"])fig.update_layout(font_size=22,legend=dict(

orientation="h",

yanchor="bottom",

y=-0.2,

xanchor="center",

x=0.5,

title_text=''))任务实施5.1.2Plotly绘制普通柱状图第三步：更新画布并显示图形fig.update_xaxes(

side='bottom',

title={'text':''})fig.update_yaxes(

side='left',

title={'text':''})fig.update_layout(

title={

'text':"2012年~2019年农用塑料薄膜使用量",

'y':0.95,

'x':0.5

})fig.show()任务实施5.1.3 Plotly绘制层叠柱状图我们使用graph_objs模块来绘制层叠柱状图时，需要将layout中的barmode参数值设为stack，即barmode='stack',这里选用农林牧渔产值数据做演示。importplotly.graph_objsasgoimportpandasaspdimportnumpyasnpimportpymysqlimportsqlalchemyassqlimportwarningswarnings.filterwarnings("ignore")engine=sql.create_engine('mysql+pymysql://root:root@localhost:3306/bdv')sql1='''select*from1_nlmy'''df=pd.read_sql(sql1,engine)第一步：导包加载数据任务实施5.1.3 Plotly绘制层叠柱状图trace0=go.Bar(x=df["year"],y=df["ny"],name="农业总产值")trace1=go.Bar(x=df["year"],y=df["ly"],name="林业总产值")trace2=go.Bar(x=df["year"],y=df["my"],name="牧业总产值")trace3=go.Bar(x=df["year"],y=df["yy"],name="渔业总产值")data=[trace0,trace1,trace2,trace3]#stack层叠柱状图layout=go.Layout(title='农林牧渔',barmode='stack',font={'size':22})fig=go.Figure(data=data,layout=layout)fig.update_layout(font_size=22,legend=dict(

orientation="h",

yanchor="bottom",

y=-0.2,

xanchor="center",

x=0.5,

title_text=''))第二步：绘图任务实施5.1.3 Plotly绘制层叠柱状图fig.update_xaxes(

side='bottom',

title={'text':''})fig.update_yaxes(

side='left',

title={'text':''})fig.update_layout(

title={

'text':"2012年~2021年农林牧渔业总产值",

'y':0.9,

'x':0.5})fig.show()第三步：更新轴并绘图任务实施5.1.4 Plotly绘制并列柱状图第一步：导包加载数据并创建trace#导包importplotly.graph_objsasgoimportpandasaspdimportnumpyasnpimportpymysqlimportsqlalchemyassqlimportwarningswarnings.filterwarnings("ignore")#读取数据engine=sql.create_engine('mysql+pymysql://root:root@localhost:3306/bdv')sql1='''select*from1_fruits'''df=pd.read_sql(sql1,engine)#定义trace任务实施5.1.4 Plotly绘制并列柱状图#定义tracetrace0=go.Bar(x=df["year"],y=df["gy"],name="果园面积")trace1=go.Bar(x=df["year"],y=df["xj"],name="香蕉园面积")trace2=go.Bar(x=df["year"],y=df["pg"],name="苹果园面积")trace3=go.Bar(x=df["year"],y=df["gj"],name="柑橘园面积")trace4=go.Bar(x=df["year"],y=df["ly"],name="梨园面积")trace5=go.Bar(x=df["year"],y=df["pt"],name="葡萄园面积")#把trace放到一个列表data=[trace0,trace1,trace2,trace3,trace4,trace5]#设置布局并显示图形#barmode=’group’是簇状柱状图，也为并列柱状图layout=go.Layout(title='果园面积',barmode='group',font={'size':22})fig=go.Figure(data=data,layout=layout)fig.update_layout(font_size=22,legend=dict(

orientation="h",

yanchor="bottom",

y=-0.4,

xanchor="center",

x=0.5,

title_text=''))第二步：绘图任务实施5.1.4 Plotly绘制并列柱状图第三步：更新轴并绘图fig.update_xaxes(

side='bottom',

title={'text':''})fig.update_yaxes(

side='left',

title={'text':''})fig.update_layout(

title={

'text':"2012年~2019年果园面积",

'y':0.9,

'x':0.5

})fig.show()任务实施5.1.5 Plotly绘制水平柱状图我们绘制水平柱状图时，需要在柱状图函数中设置参数orientation='h'，即px.bar(oritention=“h”)或者go.Bar(oritention="h)，本实例选用使用graph_objs模块来绘制水平柱状图。#导包importplotly.graph_objsasgoimportpandasaspdimportnumpyasnpimportpymysqlimportsqlalchemyassqlimportwarningswarnings.filterwarnings("ignore")#读取数据#读取数据

engine=sql.create_engine('mysql+pymysql://root:root@localhost:3306/bdv')

sql1='''select*from2_tea'''

df=pd.read_sql(sql1,engine)

#定义trace

#orientation=’h’为水平

trace0=go.Bar(x=df["产量"],y=df["茶叶种类"],orientation='h')第一步：导包并定义trace任务实施5.1.5 Plotly绘制水平柱状图第二步：绘制图形#创建trace列表layout=go.Layout(title='茶叶产量（千克）',font={'size':22})fig=go.Figure(data=data,layout=layout)fig.update_layout(font_size=22,legend=dict(orientation="h",yanchor="bottom",y=-0.4,xanchor="center",x=0.5,title_text=''))任务实施5.1.5 Plotly绘制水平柱状图第三步：更新画布并显示图形fig.update_xaxes(

side='bottom',

title={'text':''})fig.update_yaxes(

side='left',

title={'text':''})fig.update_layout(

title={

'text':"2012年~2021年茶园面积",

'y':0.9,

'x':0.5

})fig.show()任务总结通过本任务的学习，我们了解了Plotly相关基础知识、初步掌握Plotly两种绘图模块的使用、绘制了柱状图、并列柱状图、层叠柱状图等，对涉及的参数有了一定了解。本任务的重点是使用两种绘图模块进行绘图，以及定制化绘制柱状图，难点在于两种绘图模块绘制柱状图参数的选择，定制化对不同数据绘图的学习与灵活运用，可以通过练习题进行掌握与提升、课外学习更多Plotly知识加深和拓宽知识储备。基于本任务的成果，对于Plotly绘制图形的原理有了一定的了解与练习，为后续学习做好了铺垫，通过案例更好的理解了Plotly绘图原理。4绘制散点图和线形图形任务描述本任务学习的是Plotly的两个绘图模块，使用两个模块绘制散点图与折线图，此任务引用农业年度数据，对数据进行散点图与折线图展示。通过学习本任务内容，达到让学生初步了解Plotly的express和graph_objs目的，展现Plotly绘图风格与绘图原理，从而掌握Plotly的两个模块绘图方法、Plotly两个模块绘制散点图与线形图的区别、掌握Plotly绘制散点图、指定散点图颜色、大小的方法，掌握分类轴散点图、误差线图、边缘分布图、连接的散点图、气泡散点图、线形图及综合两个模块绘制线形图和散点图的方法，并通过练习题将所学知识巩固应用。知识与技能一、express绘图模块的散点图和线形图plotly.express.scatter

plotly.express.scatter_3d

plotly.express.scatter_polar

plotly.express.scatter_ternary

plotly.express.scatter_mapbox

plotly.express.scatter_geo

plotly.express.line

plotly.express.line_3d

plotly.express.line_polar

plotly.express.line_ternary

plotly.express.line_mapbox

plotly.express.line_geoexpress模块的线形图和散点图是不同的函数，且函数众多，如：知识与技能一、express绘图模块的散点图和线形图对于plotly.graph_objs来说，线形图和散点图所用函数为同一个，plotly.graph_objs没有独立的线形图或者散点图函数，线形图和散点图全部使用Scatter绘制，以下plotly.graph_objs简称go。plotly.graph_objs.Figure函数用来绘图，此函数可以传入data、layout等参数，data[]内存放一条条图形轨迹，如：trace0=go.Scatter(…)

trace1=go.Scatter(…)使用时为：data=data[trace0,trace1]

fig=go.Figure(data)知识与技能一、express绘图模块的散点图和线形图layout参数有很多包括x轴、y轴、注释、滚动条、颜色、线型、标题等Figure的更新非常灵活函数来进行更新。使用plotly.graph_objs.Scatter绘制散点图和线形图主要有以下参数：connectgaps：布尔变量，用于连接缺失数据dx：x轴的步进值error_x：x数据误差值error_y：y数据误差值fillcolor：填充颜色fill：填充模式hoverinfo：指针悬停显示信息hoveron：指针悬停显示模式legendgroup：图例参数line：线条参数marker：数据节点参数mode：图形格式name：名称opacity：透明度参数xaxys：x坐标数据yaxis：y坐标数据5.2.1Plotly绘制普通散点图任务实施方式一、graph_objs绘制散点图第一步：导包和定义trace#导包importplotly.graph_objsasgoimportpandasaspdimportnumpyasnpimportpymysqlimportsqlalchemyassqlimportwarningswarnings.filterwarnings("ignore")#读取数据engine=sql.create_engine('mysql+pymysql://root:root@localhost:3306/bdv')sql1='''select*from1_nlmy'''df=pd.read_sql(sql1,engine)#定义trace#mode=’markers’为散点图trace0=go.Scatter(x=df["year"],y=df["ny"],name="农业总产值",mode='markers')trace1=go.Scatter(x=df["year"],y=df["ly"],name="林业总产值",mode='markers')trace2=go.Scatter(x=df["year"],y=df["my"],name="牧业总产值",mode='markers')trace3=go.Scatter(x=df["year"],y=df["yy"],name="渔业总产值",mode='markers')5.2.1Plotly绘制普通散点图任务实施方式一、graph_objs绘制散点图#创建trace列表data=[trace0,trace1,trace2,trace3]#设置布局并显示图形layout=go.Layout(font={'size':22})fig=go.Figure(data=data,layout=layout)fig.update_layout(font_size=22,legend=dict(

orientation="h",

yanchor="bottom",

y=-0.4,

xanchor="center",

x=0.5,

title_text=''))第二步骤：绘制图形第三步骤：更新轴并显示图形fig.update_xaxes(

side='bottom',

title={'text':''})fig.update_yaxes(

side='left',

title={'text':''})fig.update_layout(

title={

'text':"2012年~2021年农林牧渔业总产值趋势图",

'y':0.9,

'x':0.5

})fig.show()5.2.1Plotly绘制普通散点图任务实施程序运行结果如图所示：任务实施我们使用express模块来绘制链接的散点图。第一步：导包并加载数据#导包importpandasaspdimportnumpyasnpimportplotly.expressaspximportpymysqlimportsqlalchemyassqlimportwarningswarnings.filterwarnings("ignore")

engine=sql.create_engine('mysql+pymysql://root:root@localhost:3306/bdv')sql1='''select*fromdieselandpesticides_1'''df=pd.read_sql(sql1,engine)

fig=px.line(df,x="year",y="count",color="target",text="count")fig.update_traces(textposition="bottomright")5.2.2

Plotly绘制连接散点图5.2.2Plotly绘制连接散点图任务实施第二步：绘制图形并展示结果fig.update_layout(font_size=22,legend=dict(

orientation="h",

yanchor="bottom",

y=-0.4,

xanchor="center",

x=0.5,

title_text=''))fig.update_xaxes(

side='bottom',

title={'text':''})fig.update_yaxes(

side='left',

title={'text':''})fig.update_layout(

title={

'text':"2012年到2019年农业柴油与农药消耗量走势图",

'y':0.95,

'x':0.5

})fig.show()任务实施程序运行结果：5.2.2Plotly绘制连接散点图5.2.3Plotly绘制气泡散点图任务实施气泡散点图是也是一种散点图。这种散点图和普通散点图的不同之处在于：它会引入第三方维度，即标记markers的大小来进行展示。在Plotly中散点的大小是通过size参数来设置。importplotly.graph_objsasgoimportpandasaspdimportnumpyasnpimportpymysqlimportsqlalchemyassqlimportwarningswarnings.filterwarnings("ignore")

engine=sql.create_engine('mysql+pymysql://root:123456@localhost:3306/bdv')sql1='''select*from1_dieselandpesticides'''df=pd.read_sql(sql1,engine)第一步：导包并加载数据5.2.3Plotly绘制气泡散点图任务实施trace0=go.Scatter(

x=df["year"],

y=df["Diesel"],

mode='markers',

marker=dict(size=[10,20,30,40,50,60,70,80],

color=[1,2,3,4,5,6,7,8]))trace1=go.Scatter(

x=df["year"],

y=df["pesticides"],

mode='markers',

marker=dict(size=[10,20,30,40,50,60,70,80],

color=[8,7,6,5,4,3,2,1]))

data=[trace0,trace1]layout=go.Layout(font={'size':22})fig=go.Figure(data=data,layout=layout)fig.update_layout(font_size=22,legend=dict(

orientation="h",

yanchor="bottom",

y=-0.4,

xanchor="center",

x=0.5,

title_text=''第二步：设置参数并绘图5.2.3Plotly绘制气泡散点图任务实施第三步：更新布局并显示图形))fig.update_xaxes(

side='bottom',

title={'text':''})fig.update_yaxes(

side='left',

title={'text':''})fig.update_layout(

title={

'text':"2012年到2019年农业柴油与农药消耗量图",

'y':0.95,

'x':0.5

})fig.show()5.2.4Plotly绘制普通线形图任务实施我们通过graph_objs模块中的Scatter()函数来绘制线型图，关键是通过正确的模式，需要设置参数mode='lines'。importplotly.graph_objsasgoimportpandasaspdimportnumpyasnpimportpymysqlimportsqlalchemyassqlimportwarningswarnings.filterwarnings("ignore")

engine=sql.create_engine('mysql+pymysql://root:root@localhost:3306/bdv')sql1='''select*from1_nlmy'''df=pd.read_sql(sql1,engine)第一步：导入包并加载数据5.2.4Plotly绘制普通线形图任务实施第二步：定义trace并设置布局trace0=go.Scatter(x=df["year"],y=df["ny"],name="农业总产值",mode='lines')trace1=go.Scatter(x=df["year"],y=df["ly"],name="林业总产值",mode='lines')trace2=go.Scatter(x=df["year"],y=df["my"],name="牧业总产值",mode='lines')trace3=go.Scatter(x=df["year"],y=df["yy"],name="渔业总产值",mode='lines')

data=[trace0,trace1,trace2,trace3]

layout=go.Layout(font={'size':22})fig=go.Figure(data=data,layout=layout)fig.update_layout(font_size=22,legend=dict(

orientation="h",

yanchor="bottom",

y=-0.4,

xanchor="center",

x=0.5,

title_text=''))5.2.4Plotly绘制普通线形图任务实施第三步：更新布局并显示结果fig.update_xaxes(

side='bottom',

title={'text':''})fig.update_yaxes(

side='left',

title={'text':''})fig.update_layout(

title={

'text':"2012年~2021年农林牧渔业总产值趋势图",

'y':0.9,

'x':0.5

})fig.show()5.2.5Plotly绘制线形和散点复合图任务实施下面我们利用.graph_objs绘制线性和散点的复合图形。第一步：导入包并加载数据importplotlyaspyimportplotly.graph_objsasgoimportpandasaspdimportnumpyasnpimportpymysqlimportsqlalchemyassqlimportwarningswarnings.filterwarnings("ignore")

engine=sql.create_engine('mysql+pymysql://root:root@localhost:3306/bdv')sql1='''select*from1_nlmy'''df=pd.read_sql(sql1,engine)5.2.5Plotly绘制线形和散点复合图任务实施trace0=go.Scatter(x=df["year"],y=df["ny"],name="农业总产值",mode='markers')trace1=go.Scatter(x=df["year"],y=df["ly"],name="林业总产值",mode='lines+markers')trace2=go.Scatter(x=df["year"],y=df["my"],name="牧业总产值",mode='lines+markers')trace3=go.Scatter(x=df["year"],y=df["yy"],name="渔业总产值",mode='lines+markers')

data=[trace0,trace1,trace2,trace3]layout=go.Layout(font={'size':22})fig=go.Figure(data=data,layout=layout)fig.update_layout(font_size=22,legend=dict(

orientation="h",

yanchor="bottom",

y=-0.4,

xanchor="center",

x=0.5,

title_text=''))第二步骤：定义trace并设置布局5.2.5Plotly绘制线形和散点复合图任务实施第三步骤：更新布局并显示图形fig.update_xaxes(

side='bottom',

title={'text':''})fig.update_yaxes(

side='left',

title={'text':''})fig.update_layout(

title={

'text':"2012年~2021年农林牧渔业总产值趋势图",

'y':0.9,

'x':0.5

})fig.show()5.2.6Plotly绘制普通散点图任务实施*知识拓展*express包与graph_objs可结合使用，express参数不在此单独提供。graph_objs部分参数见表所示。参数名称参数解释x,yx,y轴数据error_x、error_yx、y轴fillcplor填充颜色fill填充模式hoverinfo悬停鼠标信息legendgroup图例参数line线条参数marker数据节点参数mode图形格式name名称参数5.2.6Plotly绘制普通散点图任务总结通过本任务的学习，了解了Plotly的相关基础知识、初步掌握Plotly两种绘图模块的使用、绘制了散点图、连接的散点图、气泡散点图、线形图、线形和散点的复合图，对涉及的参数有了一定了解。本任务的重点是使用两种绘图模块绘制散点图和线形图，难点在于两种绘图模块绘制线形图和散点图参数的掌握，定制化对不同数据绘图的学习与灵活运用，可以通过练习题进行掌握与提升、课外学习更多Plotly知识加深和拓宽知识储备。基于本任务的成果，对于Plotly绘制图形的原理有了更进一定的了解，为后续学习做好了铺垫，通过案例更好的理解了Plotly绘图原理。5绘制直方图和饼图任务描述本任务是对Plotly两个绘图模块知识的巩固与加深，使用两个绘图模块进行绘制直方图和饼图，引用农业数据，对数据进行直方图和饼图的展示。通过学习本任务内容，达到让学生初步逐步掌握Plotly的express和graph_objs的目的，熟悉Plotly绘图风格和原理，逐步加深对Plolty的理解与使用。掌握Plotly两种绘图模块绘图原理与绘图方法，掌握两个绘图模块绘制直方图与水平直方图的方法，掌握Plotly绘制层叠直方图、绘制重叠直方图、分类数据直方图、水平直方图、累积直方图、环形饼图、旭日图的方法，掌握如何设置饼状图颜色、掌握两个模块绘制直方图和饼图的主要参数，并通过练习题将所学知识巩固应用。一、express绘图模块的直方图和饼图知识与技能express模块的直方图使用histogram函数进行绘制，该函数具有参数众多，在此介绍部分，如：data_frame=None,x=None,y=None,color=None,pattern_shape=None,facet_row=None,facet_col=None,facet_col_wrap=0,facet_row_spacing=None,facet_col_spacing=None,hover_name=None,hover_data=None,animation_frame=None,animation_group=None,category_orders=None,labels=None,color_discrete_sequence=None,color_discrete_map=None,pattern_shape_sequence=None,pattern_shape_map=None,marginal=None,opacity=None,orientation=None,barmode='relative',barnorm=None,histnorm=None,log_x=False,log_y=False,range_x=None,range_y=None,histfunc=None,cumulative=None,nbins=None,text_auto=False,title=None,template=None,width=None,height=None1.pattern_shape：用于为标记分配图案形状。2.facet_row：用于在垂直方向上为分面子图分配标记。3.facet_col：用于在水平方向上为分面子图分配标记。4.hover_name：用于设置悬停指针提示，data_frame中的列的名称。5.hover_data：传入的参数的值在悬停工具提示中作为额外数据显示。6.animation_frame：用于给动画帧分配标记。知识与技能7.animation_group：用于提供动画帧的对象稳定性。8.category_orders：用于强制每个列的值的特定顺序。9.labels：在图中用于设置轴标题、图例条目和悬停。10.color_discrete_sequence：当设置了color并且对应列中的值不是数值时，该列中的值将按照category_orders中描述的顺序通过循环遍历color_discretete_sequence来分配颜色，除非color的值是color_discretete_map中的键。11.color_discrete_map：用于覆盖color_discrete_sequence，为与特定值相对应的标记分配特定的颜色。12.marginal：用于在主图旁绘制一个副图。13.opacity：值在0-1之间，用于设置标记的透明度。14.orientation：设置图形的方向，有v和h两个可选参数，v表示垂直显示，h表示水平显示。知识与技能15.barmode：有'group'，'overlay'，'relative'三种取值，用于设置直方图显示模式。16.barnorm：条形图参数。17.log_x：如果为True，则x轴在笛卡尔坐标中是对数缩放的。18.log_y：如果为True，则y轴在笛卡尔坐标中是对数缩放的。19.range_x：如果提供，则覆盖笛卡尔坐标中x轴上的自动缩放。20.range_y：如果提供，则覆盖直角坐标y轴上的自动缩放。21.text_auto：如果是True或字符串，则x、y或z值将显示为文本，这取决于字符串的方向。22.title：图像标题。23.template：图形模板名称知识与技能使用pie函数绘制饼图plotly.express.pieplotly.express.pie

参数有：data_frame=None,names=None,values=None,color=None,facet_row=None,facet_col=None,facet_col_wrap=0,facet_row_spacing=None,facet_col_spacing=None,color_discrete_sequence=None,color_discrete_map=None,hover_name=None,hover_data=None,custom_data=None,category_orders=None,labels=None,title=None,template=None,width=None,height=None,opacity=None,hole=None)1、color：用于为标记分配颜色。2、facet_row：用于在垂直方向上为分面子图分配标记。3、facet_col：用于在水平方向上为分面子图分配标记。4、hover_name：参数的值在悬停工具提示中以粗体显示。5、hover_data：悬停工具中作为额外数据显示。6、labels：文本标签。7、hole：设置要切出饼图的半径的百分比。二、plotly.graph_objs绘图模块的直方图和饼图知识与技能plotly.graph_objs的直方图使用Histogram绘制：plotly.graph_objects.Histogram

主要参数有：arg=None,alignmentgroup=None,autobinx=None,autobiny=None,bingroup=None,cliponaxis=None,constraintext=None,cumulative=None,customdata=None,customdatasrc=None,error_x=None,error_y=None,histfunc=None,histnorm=None,hoverinfo=None,hoverinfosrc=None,hoverlabel=None,hovertemplate=None,hovertemplatesrc=None,hovertext=None,hovertextsrc=None,ids=None,idssrc=None,insidetextanchor=None,insidetextfont=None,legendgroup=None,legendgrouptitle=None,legendrank=None,legendwidth=None,marker=None,meta=None,metasrc=None,name=None,nbinsx=None,nbinsy=None,offsetgroup=None,opacity=None,orientation=None,outsidetextfont=None,selected=None,selectedpoints=None,showlegend=None,stream=None,text=None,textangle=None,textfont=None,textposition=None,textsrc=None,texttemplate=None,uid=None,uirevision=None,unselected=None,visible=None,x=None,xaxis=None,xbins=None,xcalendar=None,xhoverformat=None,xsrc=None,y=None,yaxis=None,ybins=None,ycalendar=None,yhoverformat=None,ysrc=None,**kwargs知识与技能二、plotly.graph_objs绘图模块的直方图和饼图1.cliponaxis：确定文本节点是否围绕子图轴被剪切。要显示轴线和标记以上的文本节点，请确保设置xaxis。2.constraintext：将直方图内或外的文本大小限制为不大于它本身。3.customdata：为每个数据分配额外的数据。当监听悬停、点击和选择事件时，这可能很有用。4.histfunc：指定用于此直方图跟踪的分组函数。可选参数有count、sum、avg、min、max。5.hoverinfo当用户与图表交互时，鼠标指针显示的参数。6.hoverlabel：悬停标签。7.hovertemplate：用于呈现悬停框上出现的信息的模板字符串。8.ids：为每个数据分配id标签。9.insidetextfont：设置位于栏内的文本所使用的字体。上述函数参数说明：知识与技能二、plotly.graph_objs绘图模块的直方图和饼图上述函数参数说明：10.legendgroup：为trace设置图例组。11.legendrank：设置此trace的图例级别，排名较小的物品和组被显示在顶部/左侧，同时带有“反转”的图例。12.legendwidth：设置此trace的图例的宽度。13.name：设置trace名称。trace名称显示为图例项并悬停。14.opacity：设置trace的透明度。15.orientation：图形显示方向参数，包括：v(垂直模式)和h(水平模式)。16.outsidetextfont：设置位于图形外的文本所使用的字体。17.showlegend：确定图例中是否显示与此trace相对应的项。知识与技能plotly.graph_objs的饼图使用Pie绘制：二、plotly.graph_objs绘图模块的直方图和饼图plotly.graph_objects.Pieplotly.graph_objects.Pie

主要参数有：arg=None,automargin=None,customdata=None,customdatasrc=None,direction=None,dlabel=None,domain=None,hole=None,hoverinfo=None,hoverinfosrc=None,hoverlabel=None,hovertemplate=None,hovertemplatesrc=None,hovertext=None,hovertextsrc=None,ids=None,idssrc=None,insidetextfont=None,insidetextorientation=None,label0=None,labels=None,labelssrc=None,legendgroup=None,legendgrouptitle=None,legendrank=None,legendwidth=None,marker=None,meta=None,metasrc=None,name=None,opacity=None,outsidetextfont=None,pull=None,pullsrc=None,rotation=None,scalegroup=None,showlegend=None,sort=None,stream=None,text=None,textfont=None,textinfo=None,textposition=None,textpositionsrc=None,textsrc=None,texttemplate=None,texttemplatesrc=None,title=None,titlefont=None,titleposition=None,uid=None,uirevision=None,values=None,valuessrc=None,visible=None,**kwargs知识与技能arg：可选，直方图的数据。可以是一维数组或Series。如果指定了values参数，则arg会被忽略。automargin：布尔型，可选，是否自动调整图表边距以适应标签、标题等。默认为None，表示不自动调整。customdata：可选，自定义数据数组。长度应与x或y相同。这些数据可以用于在事件处理程序中自定义悬停文本等。customdatasrc：可选，自定义数据数组的源。direction：可选，直方图的方向。支持"vertical"（垂直）和"horizontal"（水平）两种。默认为"vertical"。dlabel：可选，指定是否在图例中显示每个直方条的标签。domain：可选，指定直方图所占区域的位置和大小。格式为{'x':[0,0.5],'y':[0,1]}，表示直方图占据整个图表区域的左半部分。hole：可选，中心空洞的半径。值为0-1之间的小数，其中0表示没有空洞，1表示完全空洞。默认为0。hoverinfo：可选，指定鼠标悬停时显示的信息。支持多种格式，如"%"表示百分数，".2f"表示保留2位小数。默认为"x+y"，表示显示x和y值。知识与技能hoverlabel：可选，指定悬停标签的样式。例如，可以设置字体大小、颜色等。hovertemplate：可选，指定鼠标悬停时显示的模板。可以包含文本和变量。例如，"{x:.2f}-{y}"表示x的值保留两位小数，后面跟着一个短横线和y值。hovertemplatesrc：可选，hovertemplate的源。hovertext：可选，指定鼠标悬停时显示的文本。长度应与x或y相同。如果指定了hovertemplate，则忽略hovertext。hovertextsrc：可选，hovertext的源。ids：可选，用于绑定事件处理程序的ID数组。idssrc：可选，ids的源。insidetextfont：可选，直方图内部文本的字体样式。insidetextorientation：可选，直方图内部文本的方向。支持"horizontal"和"radial"两种。默认为"horizontal"。label0：可选，指定x或y轴的起始标签。当数据是离散型时，可以用这个参数来控制标签的起始位置。labels：可选，指定x或y轴上的标签。如果数据是离散型，则应该指定这个参数。知识与技能labelssrc：可选，labels的源。legendgroup：可选，指定图例分组。指定相同的值会将图例项分组到同一组中。legendgrouptitle：可选，指定图例分组的标题。legendrank：可选，指定图例项的排名。legendwidth：可选，指定图例的宽度。默认为0，表示自适应。marker：可选，直方条的标记样式。meta：可选，指定元数据数组。长度应与x或y相同。metasrc：可选，meta的源。name：可选，直方图的名称。opacity：可选，直方条的不透明度。取值范围为0-1，其中0表示完全透明，1表示完全不透明。默认为1。outsidetextfont：可选，直方图外部文本的字体样式。pull：可选，指定每个直方条的偏移量。取值范围为0-1，其中0表示不偏移，1表示完全偏移。默认为0。pullsrc：可选，pull的源。知识与技能rotation：可选，文本旋转角度。支持0-360度之间的任意角度。scalegroup：可选，指定比例尺分组。showlegend：可选，是否显示图例。默认为True。sort：可选，是否对数据进行排序。默认为True。stream：可选，用于流动数据的对象。text：可选，直方条的标签文本。长度应与x或y相同。textfont：可选，直方条的标签字体样式。textinfo：可选，指定直方条的标签显示内容。例如，"value"表示显示数值，"percent"表示显示百分比。textposition：可选，直方条的标签位置。支持"inside"（内部）和"outside"（外部）两种。默认为"inside"。textpositionsrc：可选，textposition的源。textsrc：可选，text的源。知识与技能texttemplate：可选，直方条的标签模板。可以使用变量和格式化字符串。例如，"{x:.2f}-{y}"表示x的值保留两位小数，后面跟着一个短横线和y值。texttemplatesrc：可选，texttemplate的源。title：可选，直方图的标题。titlefont：可选，直方图的标题字体样式。titleposition：可选，指定标题的位置。支