Impara Integrazione di Plotly con DataFrame Pandas

Quando si lavora con i dati in Python, i DataFrame di pandas rappresentano uno degli strumenti più potenti e flessibili disponibili. Un DataFrame è una struttura dati bidimensionale etichettata, con colonne che possono contenere diversi tipi di valori, come numeri, stringhe o date. Questo formato è particolarmente utile per la manipolazione, la pulizia e l'analisi dei dati, rendendolo ideale per la preparazione dei dati prima della visualizzazione. Utilizzando i DataFrame, è possibile filtrare, aggregare e trasformare rapidamente i dati, semplificando così il processo di creazione di grafici significativi e interattivi con 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))

Quando si utilizza Plotly Express con un DataFrame di pandas, Plotly rileva automaticamente i nomi delle colonne e li rende disponibili per l'utilizzo come assi, colori, simboli e altro ancora. Questo significa che è possibile fare riferimento a una colonna semplicemente tramite il suo nome quando si specificano parametri come x, y o color. Plotly Express si occupa della mappatura dei dati, rendendo il processo di visualizzazione sia intuitivo che efficiente. Ad esempio, nel codice precedente, specificare x="GDP" e y="Population" indica a Plotly di utilizzare quelle colonne per i rispettivi assi, mentre includere text="Country" aggiunge le etichette dei paesi ai punti.


              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))

Per ottenere il massimo dall'integrazione tra pandas e Plotly, eseguire sempre le operazioni di pulizia e aggregazione dei dati all'interno di pandas prima di passare il DataFrame a Plotly Express. Questo approccio garantisce che le visualizzazioni siano accurate e di facile interpretazione. Utilizzare direttamente i nomi delle colonne nelle funzioni di Plotly Express per mantenere il codice leggibile e conciso. Come mostrato negli esempi, raggruppare e sintetizzare i dati con metodi di pandas come groupby consente di creare grafici che evidenziano chiaramente tendenze e confronti. Mantenere il flusso di preparazione dei dati e visualizzazione strettamente integrato con pandas e Plotly aiuta a creare in modo efficiente grafici interattivi e coinvolgenti per le proprie analisi.

Tutto è chiaro?

Grazie per i tuoi commenti!

Sezione 1. Capitolo 8

Chieda ad AI

Chieda pure quello che desidera o provi una delle domande suggerite per iniziare la nostra conversazione

Scorri per mostrare il 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))

Tutto è chiaro?

Grazie per i tuoi commenti!

Sezione 1. Capitolo 8