Lernen Integration von Plotly mit Pandas-DataFrames

Beim Arbeiten mit Daten in Python gehören pandas DataFrames zu den leistungsfähigsten und flexibelsten Werkzeugen. Ein DataFrame ist eine zweidimensionale, beschriftete Datenstruktur mit Spalten, die verschiedene Wertetypen wie Zahlen, Zeichenketten oder Datumsangaben enthalten können. Dieses Format eignet sich besonders für Datenmanipulation, -bereinigung und -analyse und ist daher ideal, um Daten für die Visualisierung vorzubereiten. Mit DataFrames lassen sich Daten schnell filtern, aggregieren und transformieren, was den Prozess zur Erstellung aussagekräftiger und interaktiver Diagramme mit Plotly Express erheblich vereinfacht.


              123456789101112131415161718
            
import pandas as pd
import plotly.express as px
from IPython.display import display, HTML

# Create a simple DataFrame
data = {
    "Country": ["USA", "Canada", "Germany", "UK", "France"],
    "GDP": [21.43, 1.84, 3.86, 2.83, 2.72],
    "Population": [331, 38, 83, 67, 65]
}
df = pd.DataFrame(data)

# Visualize the DataFrame using a scatter plot
fig = px.scatter(df, x="GDP", y="Population", text="Country",
                 title="GDP vs Population by Country")

html = fig.to_html(full_html=False, include_plotlyjs="cdn")
display(HTML(html))

Bei der Verwendung von Plotly Express mit einem pandas DataFrame erkennt Plotly die Spaltennamen automatisch und stellt sie für Achsen, Farben, Symbole und mehr zur Verfügung. Das bedeutet, dass Sie einfach auf eine Spalte mit ihrem Namen verweisen können, wenn Sie Parameter wie x, y oder color angeben. Plotly Express übernimmt die Zuordnung der Daten, was den Visualisierungsprozess sowohl intuitiv als auch effizient macht. Im vorherigen Codebeispiel gibt die Angabe von x="GDP" und y="Population" an, dass Plotly diese Spalten für die jeweiligen Achsen verwendet, und durch text="Country" werden die Ländernamen als Beschriftungen zu den Punkten hinzugefügt.


              1234567891011121314151617181920
            
import pandas as pd
import plotly.express as px
from IPython.display import display, HTML

# Sample sales data
data = {
    "Region": ["North", "South", "East", "West", "North", "South", "East", "West"],
    "Salesperson": ["Alice", "Bob", "Charlie", "David", "Eve", "Frank", "Grace", "Heidi"],
    "Sales": [200, 150, 300, 250, 180, 170, 320, 260]
}
df = pd.DataFrame(data)

# Group by region and sum sales
grouped = df.groupby("Region", as_index=False)["Sales"].sum()

# Plot total sales by region using a bar chart
fig = px.bar(grouped, x="Region", y="Sales", title="Total Sales by Region")

html = fig.to_html(full_html=False, include_plotlyjs="cdn")
display(HTML(html))

Um das Beste aus der Integration von pandas und Plotly herauszuholen, sollten alle Schritte zur Datenbereinigung und -aggregation innerhalb von pandas durchgeführt werden, bevor das DataFrame an Plotly Express übergeben wird. Dieses Vorgehen stellt sicher, dass Ihre Visualisierungen präzise und leicht verständlich sind. Verwenden Sie die Spaltennamen direkt in den Funktionen von Plotly Express, um Ihren Code übersichtlich und prägnant zu halten. Wie in den Beispielen zu sehen ist, ermöglichen Methoden wie pandas in groupby das Gruppieren und Zusammenfassen von Daten, sodass Diagramme erstellt werden können, die Trends und Vergleiche klar hervorheben. Eine enge Verzahnung von Datenaufbereitung und Visualisierung mit pandas und Plotly unterstützt Sie dabei, effizient ansprechende, interaktive Diagramme für Ihre Analysen zu erstellen.

War alles klar?

Danke für Ihr Feedback!

Abschnitt 1. Kapitel 8

Fragen Sie AI

Fragen Sie alles oder probieren Sie eine der vorgeschlagenen Fragen, um unser Gespräch zu beginnen

Swipe um das Menü anzuzeigen


              123456789101112131415161718
            
import pandas as pd
import plotly.express as px
from IPython.display import display, HTML

# Create a simple DataFrame
data = {
    "Country": ["USA", "Canada", "Germany", "UK", "France"],
    "GDP": [21.43, 1.84, 3.86, 2.83, 2.72],
    "Population": [331, 38, 83, 67, 65]
}
df = pd.DataFrame(data)

# Visualize the DataFrame using a scatter plot
fig = px.scatter(df, x="GDP", y="Population", text="Country",
                 title="GDP vs Population by Country")

html = fig.to_html(full_html=False, include_plotlyjs="cdn")
display(HTML(html))


              1234567891011121314151617181920
            
import pandas as pd
import plotly.express as px
from IPython.display import display, HTML

# Sample sales data
data = {
    "Region": ["North", "South", "East", "West", "North", "South", "East", "West"],
    "Salesperson": ["Alice", "Bob", "Charlie", "David", "Eve", "Frank", "Grace", "Heidi"],
    "Sales": [200, 150, 300, 250, 180, 170, 320, 260]
}
df = pd.DataFrame(data)

# Group by region and sum sales
grouped = df.groupby("Region", as_index=False)["Sales"].sum()

# Plot total sales by region using a bar chart
fig = px.bar(grouped, x="Region", y="Sales", title="Total Sales by Region")

html = fig.to_html(full_html=False, include_plotlyjs="cdn")
display(HTML(html))

War alles klar?

Danke für Ihr Feedback!

Abschnitt 1. Kapitel 8