如何使用 plotly_express 绘制多折线图?

新手上路,请多包涵

我需要从数据框的多列创建折线图。在 pandas 中,您可以使用如下代码绘制多折线图:

 df.plot(x='date', y=['sessions', 'cost'], figsize=(20,10), grid=True)

如何使用 plotly_express 完成此操作?

原文由 Ryan 发布,翻译遵循 CC BY-SA 4.0 许可协议

阅读 1.1k
2 个回答

Plotly.py 的 4.8 版 中,原始问题中的代码现在几乎不加修改地得到支持:

 pd.options.plotting.backend = "plotly"
df.plot(x='date', y=['sessions', 'cost'])


上一个答案,截至 2019 年 7 月

对于此示例,您可以稍微不同地准备数据。

 df_melt = df.melt(id_vars='date', value_vars=['sessions', 'cost'])

如果您将列(会话、成本)转置/融合到其他行中,则可以在颜色参数中指定新列“变量”作为分区依据。

 px.line(df_melt, x='date' , y='value' , color='variable')

plotly_express 输出示例

原文由 G Hart 发布,翻译遵循 CC BY-SA 4.0 许可协议

使用较新版本的 plotly,您只需要:

 df.plot()

只要你记得将 pandas 绘图后端设置为 plotly

 pd.options.plotting.backend = "plotly"

从这里您可以轻松地根据自己的喜好调整情节,例如设置主题:

 df.plot(template='plotly_dark')

以深色主题绘制:

在此处输入图像描述

新版 plotly 的一个特别棒的功能是您不再需要担心您的 pandas 数据框是 宽格式还是长格式。无论哪种方式,您只需要 df.plot() 。查看下面代码段中的详细信息。

完整代码:

 # imports
import plotly.express as px
import pandas as pd
import numpy as np

# settings
pd.options.plotting.backend = "plotly"

# sample dataframe of a wide format
np.random.seed(4); cols = list('abc')
X = np.random.randn(50,len(cols))
df=pd.DataFrame(X, columns=cols)
df.iloc[0]=0; df=df.cumsum()

# plotly figure
df.plot(template = 'plotly_dark')


旧版本的答案:

我强烈建议使用 iplot() 如果您想在 Jupyter Notebook 中使用 plotly,例如:

阴谋:

在此处输入图像描述

代码:

 import plotly
import cufflinks as cf
from plotly.offline import download_plotlyjs, init_notebook_mode, plot, iplot
import pandas as pd
import numpy as np

# setup
init_notebook_mode(connected=True)
np.random.seed(123)
cf.set_config_file(theme='pearl')

# Random data using cufflinks
df1 = cf.datagen.lines()
df2 = cf.datagen.lines()
df3 = cf.datagen.lines()
df = pd.merge(df1, df2, how='left',left_index = True, right_index = True)
df = pd.merge(df, df3, how='left',left_index = True, right_index = True)

fig = df1.iplot(asFigure=True, kind='scatter',xTitle='Dates',yTitle='Returns',title='Returns')
iplot(fig)

原文由 vestland 发布,翻译遵循 CC BY-SA 4.0 许可协议

撰写回答
你尚未登录,登录后可以
  • 和开发者交流问题的细节
  • 关注并接收问题和回答的更新提醒
  • 参与内容的编辑和改进,让解决方法与时俱进
推荐问题