Apprendre Intégration de Plotly avec les DataFrames Pandas

Lors du traitement des données en Python, les DataFrames de pandas figurent parmi les outils les plus puissants et flexibles à votre disposition. Un DataFrame est une structure de données bidimensionnelle et étiquetée, avec des colonnes pouvant contenir différents types de valeurs, tels que des nombres, des chaînes de caractères ou des dates. Ce format est particulièrement utile pour la manipulation, le nettoyage et l’analyse des données, ce qui en fait un choix naturel pour préparer les données avant la visualisation. L’utilisation des DataFrames permet de filtrer, d’agréger et de transformer rapidement les données, ce qui simplifie la création de graphiques interactifs et pertinents avec Plotly Express.


              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))

Lorsque vous utilisez Plotly Express avec un DataFrame pandas, Plotly détecte automatiquement les noms des colonnes et les rend disponibles pour les axes, les couleurs, les symboles, et plus encore. Il suffit donc de référencer une colonne par son nom lors de la spécification des paramètres tels que x, y ou color. Plotly Express se charge de la correspondance des données, ce qui rend le processus de visualisation à la fois intuitif et efficace. Par exemple, dans le code précédent, la spécification de x="GDP" et y="Population" indique à Plotly d’utiliser ces colonnes pour les axes respectifs, et l’ajout de text="Country" permet d’afficher les noms des pays sur les points.


              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))

Pour tirer le meilleur parti de l'intégration entre pandas et Plotly, il est recommandé d'effectuer toutes les étapes de nettoyage et d'agrégation des données dans pandas avant de transmettre le DataFrame à Plotly Express. Cette méthode garantit que vos visualisations sont précises et faciles à interpréter. Utilisez directement les noms de colonnes dans les fonctions de Plotly Express afin de garder votre code lisible et concis. Comme illustré dans les exemples, le regroupement et la synthèse des données avec des méthodes pandas telles que groupby permettent de créer des graphiques qui mettent clairement en évidence les tendances et les comparaisons. Maintenir un flux de travail intégré entre la préparation des données et la visualisation avec pandas et Plotly vous aidera à créer efficacement des graphiques interactifs et percutants pour vos analyses.

Tout était clair ?

Merci pour vos commentaires !

Section 1. Chapitre 8

Demandez à l'IA

Posez n'importe quelle question ou essayez l'une des questions suggérées pour commencer notre discussion

Glissez pour afficher le menu


              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))

Tout était clair ?

Merci pour vos commentaires !

Section 1. Chapitre 8