Apprendre Ajout d’Interactivité : Survol, Zoom et Sélection

Les fonctionnalités interactives constituent un atout majeur des graphiques Plotly, rendant l’exploration des données plus intuitive et attrayante. Avec Plotly, il est possible d’ajouter des infobulles au survol pour révéler des détails sur chaque point, de zoomer pour examiner des régions spécifiques des données, et de sélectionner des sous-ensembles de données directement sur le graphique. Ces éléments interactifs sont particulièrement utiles pour explorer des ensembles de données complexes, identifier des tendances ou partager des analyses avec d’autres utilisateurs qui peuvent interagir avec vos visualisations. Par défaut, les graphiques Plotly Express intègrent de nombreuses capacités interactives, mais il est possible de les personnaliser davantage afin de mettre en avant les informations les plus pertinentes pour votre analyse.


              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))

Dans cet exemple, il est montré comment créer un nuage de points affichant des informations personnalisées dans l’infobulle au survol. Le paramètre hover_data permet de spécifier précisément quelles colonnes apparaissent dans l’infobulle et comment elles sont formatées. Ici, le nom de la ville, la population (avec séparateurs de milliers) et la superficie (avec une décimale) sont affichés. Il est également possible d’utiliser le paramètre text pour afficher des étiquettes directement sur les points du graphique, facilitant ainsi l’identification de chaque ville d’un simple coup d’œil. Ce niveau de personnalisation permet de présenter les détails les plus pertinents à votre public sans surcharger le graphique.


              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))

L'interactivité transforme les graphiques statiques en outils puissants d'exploration de données. Avec Plotly Express, des fonctionnalités telles que les infobulles au survol, le zoom et la sélection sont activées par défaut, permettant à vous et à votre public d'examiner les données plus en profondeur. La personnalisation des informations affichées au survol facilite la mise en avant des détails clés, tandis que les contrôles de zoom et de sélection aident à se concentrer sur des motifs ou des valeurs aberrantes spécifiques. Ces fonctionnalités interactives améliorent non seulement l'analyse, mais rendent également vos visualisations plus attrayantes et informatives pour les autres.

Tout était clair ?

Merci pour vos commentaires !

Section 1. Chapitre 6

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


              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))

Tout était clair ?

Merci pour vos commentaires !

Section 1. Chapitre 6