Oppiskele Vuorovaikutteisuuden Lisääminen: Hover, Zoomaus ja Valinta

Interaktiiviset ominaisuudet ovat Plotly-kaavioiden keskeinen vahvuus, mikä tekee datan tutkimisesta intuitiivisempaa ja kiinnostavampaa. Plotlyn avulla voit lisätä hover-työkaluvihjeitä, jotka paljastavat yksityiskohtia jokaisesta pisteestä, zoomata tarkastelemaan tiettyjä datan alueita sekä valita tietojoukkoja suoraan kaaviosta. Nämä interaktiiviset elementit ovat erityisen hyödyllisiä, kun haluat tutkia monimutkaisia tietoaineistoja, tunnistaa trendejä tai jakaa havaintoja muiden kanssa, jotka voivat itse olla vuorovaikutuksessa visualisointiesi kanssa. Oletuksena Plotly Express -kaaviot sisältävät monia interaktiivisia ominaisuuksia, mutta voit mukauttaa niitä edelleen korostaaksesi analyysillesi olennaisinta tietoa.


              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))

Tässä esimerkissä näytetään, kuinka luodaan hajontakaavio, joka näyttää mukautettua tietoa hover-työkaluvihjeessä. Parametri hover_data mahdollistaa sen, että voit määrittää tarkasti, mitkä sarakkeet näkyvät työkaluvihjeessä ja miten ne muotoillaan. Tässä näkyvät kaupungin nimi, väkiluku (tuhaterottimilla) ja pinta-ala (yhden desimaalin tarkkuudella). Voit myös käyttää text-parametria näyttämään tunnisteita suoraan kaaviopisteissä, mikä helpottaa kaupunkien tunnistamista yhdellä silmäyksellä. Tällainen räätälöitävyys auttaa esittämään yleisöllesi olennaisimmat tiedot ilman, että kaavio menee sekavaksi.


              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))

Interaktiivisuus muuttaa staattiset kaaviot tehokkaiksi tiedon tutkimisen välineiksi. Plotly Expressin avulla ominaisuudet kuten hover-työkaluvihjeet, zoomaus ja valinta ovat oletuksena käytössä, mikä mahdollistaa syvällisemmän datan tarkastelun. Hover-tietojen räätälöinti helpottaa keskeisten yksityiskohtien esiin tuomista, kun taas zoomaus- ja valintatoiminnot auttavat keskittymään tiettyihin kuvioihin tai poikkeamiin. Nämä interaktiiviset ominaisuudet parantavat analyysiä ja tekevät visualisoinneista informatiivisempia ja kiinnostavampia myös muille.

Oliko kaikki selvää?

Kiitos palautteestasi!

Osio 1. Luku 6

Kysy tekoälyä

Kysy mitä tahansa tai kokeile jotakin ehdotetuista kysymyksistä aloittaaksesi keskustelumme

Pyyhkäise näyttääksesi valikon


              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))

Oliko kaikki selvää?

Kiitos palautteestasi!

Osio 1. Luku 6