Lernen Hinzufügen von Interaktivität: Hover, Zoom und Auswahl

Interaktive Funktionen sind eine zentrale Stärke von Plotly-Diagrammen und machen die Datenexploration intuitiver und ansprechender. Mit Plotly können Sie Hover-Tooltips hinzufügen, um Details zu jedem Punkt anzuzeigen, in bestimmte Datenbereiche hineinzoomen und Datenteilmengen direkt im Diagramm auswählen. Diese interaktiven Elemente sind besonders nützlich, wenn komplexe Datensätze untersucht, Trends identifiziert oder Erkenntnisse mit anderen geteilt werden sollen, die mit Ihren Visualisierungen interagieren können. Standardmäßig bieten Plotly Express-Diagramme viele interaktive Möglichkeiten, die Sie jedoch weiter anpassen können, um die für Ihre Analyse wichtigsten Informationen hervorzuheben.


              1234567891011121314151617181920212223242526272829
            
import plotly.express as px
import pandas as pd
from IPython.display import display, HTML

# Sample data
df = pd.DataFrame({
    "city": ["New York", "Los Angeles", "Chicago", "Houston", "Phoenix"],
    "population": [8398748, 3990456, 2705994, 2325502, 1660272],
    "area": [783.8, 1214.9, 589.6, 1651.1, 1340.6]
})

# Create scatter plot with custom hover data
fig = px.scatter(
    df,
    x="area",
    y="population",
    text="city",
    hover_data={
        "city": True,
        "population": ":,",
        "area": ":.1f"
    },
    labels={"area": "City Area (sq km)", "population": "Population"},
    title="City Population vs. Area"
)
fig.update_traces(marker=dict(size=14, color='skyblue'), textposition="top center")

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

In diesem Beispiel wird gezeigt, wie ein Streudiagramm erstellt wird, das benutzerdefinierte Informationen im Hover-Tooltip anzeigt. Mit dem Parameter hover_data kann genau festgelegt werden, welche Spalten im Tooltip erscheinen und wie sie formatiert werden. Hier werden der Stadtname, die Bevölkerung (mit Tausendertrennzeichen) und die Fläche (mit einer Nachkommastelle) angezeigt. Mit dem Parameter text können Sie außerdem Beschriftungen direkt an den Diagrammpunkten anzeigen lassen, was die Identifikation jeder Stadt auf einen Blick erleichtert. Dieses Maß an Anpassung ermöglicht es, die relevantesten Details für Ihr Publikum darzustellen, ohne das Diagramm zu überladen.


              1234567891011121314151617181920212223242526
            
import plotly.express as px
import pandas as pd
from IPython.display import display, HTML

# Sample data
df = pd.DataFrame({
    "category": ["A", "B", "C", "D", "E"],
    "value1": [10, 15, 13, 17, 12],
    "value2": [23, 11, 18, 10, 15]
})

# Create a scatter plot to demonstrate zoom and selection
fig = px.scatter(
    df,
    x="value1",
    y="value2",
    color="category",
    title="Zoom and Selection Example"
)

# By default, Plotly Express enables zoom and selection tools
# You can configure the dragmode (e.g., 'zoom', 'select', 'lasso') as needed
fig.update_layout(dragmode='select')  # Try 'zoom', 'pan', or 'lasso' for different behaviors

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

Interaktivität verwandelt statische Diagramme in leistungsstarke Werkzeuge zur Datenanalyse. Mit Plotly Express sind Funktionen wie Hover-Tooltips, Zoomen und Auswahl standardmäßig aktiviert, sodass Sie und Ihr Publikum Daten eingehender untersuchen können. Die Anpassung der Hover-Informationen erleichtert das Hervorheben wichtiger Details, während Zoom- und Auswahlsteuerungen dabei helfen, sich auf bestimmte Muster oder Ausreißer zu konzentrieren. Diese interaktiven Funktionen verbessern nicht nur Ihre Analyse, sondern machen Ihre Visualisierungen auch für andere ansprechender und informativer.

War alles klar?

Danke für Ihr Feedback!

Abschnitt 1. Kapitel 6

Fragen Sie AI

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

Swipe um das Menü anzuzeigen


              1234567891011121314151617181920212223242526272829
            
import plotly.express as px
import pandas as pd
from IPython.display import display, HTML

# Sample data
df = pd.DataFrame({
    "city": ["New York", "Los Angeles", "Chicago", "Houston", "Phoenix"],
    "population": [8398748, 3990456, 2705994, 2325502, 1660272],
    "area": [783.8, 1214.9, 589.6, 1651.1, 1340.6]
})

# Create scatter plot with custom hover data
fig = px.scatter(
    df,
    x="area",
    y="population",
    text="city",
    hover_data={
        "city": True,
        "population": ":,",
        "area": ":.1f"
    },
    labels={"area": "City Area (sq km)", "population": "Population"},
    title="City Population vs. Area"
)
fig.update_traces(marker=dict(size=14, color='skyblue'), textposition="top center")

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


              1234567891011121314151617181920212223242526
            
import plotly.express as px
import pandas as pd
from IPython.display import display, HTML

# Sample data
df = pd.DataFrame({
    "category": ["A", "B", "C", "D", "E"],
    "value1": [10, 15, 13, 17, 12],
    "value2": [23, 11, 18, 10, 15]
})

# Create a scatter plot to demonstrate zoom and selection
fig = px.scatter(
    df,
    x="value1",
    y="value2",
    color="category",
    title="Zoom and Selection Example"
)

# By default, Plotly Express enables zoom and selection tools
# You can configure the dragmode (e.g., 'zoom', 'select', 'lasso') as needed
fig.update_layout(dragmode='select')  # Try 'zoom', 'pan', or 'lasso' for different behaviors

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

War alles klar?

Danke für Ihr Feedback!

Abschnitt 1. Kapitel 6