Aprende Añadiendo Interactividad: Hover, Zoom y Selección

Las funciones interactivas son una de las principales fortalezas de los gráficos de Plotly, facilitando la exploración de datos de manera más intuitiva y atractiva. Con Plotly, es posible añadir información emergente al pasar el cursor para mostrar detalles de cada punto, hacer zoom para examinar regiones específicas de los datos y seleccionar subconjuntos de datos directamente en el gráfico. Estos elementos interactivos resultan especialmente útiles al explorar conjuntos de datos complejos, identificar tendencias o compartir hallazgos con otras personas que pueden interactuar con las visualizaciones. Por defecto, los gráficos de Plotly Express incluyen muchas capacidades interactivas, pero es posible personalizarlas aún más para resaltar la información más relevante para el análisis.


              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))

En este ejemplo, se muestra cómo crear un diagrama de dispersión que presenta información personalizada en la información emergente al pasar el cursor. El parámetro hover_data permite especificar exactamente qué columnas aparecen en la información emergente y cómo se formatean. Aquí se muestran el nombre de la ciudad, la población (con separadores de miles) y el área (con un decimal). También es posible utilizar el parámetro text para mostrar etiquetas directamente sobre los puntos del gráfico, facilitando la identificación de cada ciudad de un vistazo. Este nivel de personalización permite presentar los detalles más relevantes al público sin sobrecargar el gráfico.


              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))

La interactividad transforma los gráficos estáticos en potentes herramientas para la exploración de datos. Con Plotly Express, funciones como información emergente al pasar el cursor (hover tooltips), zoom y selección están habilitadas por defecto, permitiendo que usted y su audiencia investiguen los datos en mayor profundidad. Personalizar la información al pasar el cursor facilita mostrar detalles clave, mientras que los controles de zoom y selección ayudan a centrarse en patrones o valores atípicos específicos. Estas funciones interactivas no solo mejoran el análisis, sino que también hacen que sus visualizaciones sean más atractivas e informativas para otros.

¿Todo estuvo claro?

¡Gracias por tus comentarios!

Sección 1. Capítulo 6

Pregunte a AI

Pregunte lo que quiera o pruebe una de las preguntas sugeridas para comenzar nuestra charla

Desliza para mostrar el menú


              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))

¿Todo estuvo claro?

¡Gracias por tus comentarios!

Sección 1. Capítulo 6