Impara Aggiunta di Interattività: Hover, Zoom e Selezione

Le funzionalità interattive rappresentano un punto di forza fondamentale dei grafici Plotly, rendendo l'esplorazione dei dati più intuitiva e coinvolgente. Con Plotly, è possibile aggiungere tooltip al passaggio del mouse per rivelare dettagli su ciascun punto, eseguire lo zoom per esaminare aree specifiche dei dati e selezionare sottoinsiemi di dati direttamente sul grafico. Questi elementi interattivi risultano particolarmente utili quando è necessario esplorare dataset complessi, identificare tendenze o condividere approfondimenti con altri utenti che possono interagire con le visualizzazioni. Di default, i grafici Plotly Express includono molte funzionalità interattive, ma è possibile personalizzarle ulteriormente per mettere in evidenza le informazioni più rilevanti per l'analisi.


              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))

In questo esempio viene mostrato come creare un grafico a dispersione che visualizza informazioni personalizzate nel tooltip al passaggio del mouse. Il parametro hover_data consente di specificare esattamente quali colonne visualizzare nel tooltip e come formattarle. In questo caso, vengono mostrati il nome della città, la popolazione (con separatori delle migliaia) e l'area (con una cifra decimale). È inoltre possibile utilizzare il parametro text per visualizzare etichette direttamente sui punti del grafico, facilitando l'identificazione immediata di ciascuna città. Questo livello di personalizzazione consente di presentare i dettagli più rilevanti al pubblico senza sovraccaricare il grafico.


              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'interattività trasforma i grafici statici in potenti strumenti per l'esplorazione dei dati. Con Plotly Express, funzionalità come tooltip al passaggio del mouse, zoom e selezione sono abilitate di default, permettendo a te e al tuo pubblico di analizzare i dati in modo più approfondito. Personalizzare le informazioni visualizzate al passaggio del mouse facilita l'accesso ai dettagli chiave, mentre i controlli di zoom e selezione aiutano a concentrarsi su schemi o valori anomali specifici. Queste funzionalità interattive non solo migliorano l'analisi, ma rendono anche le visualizzazioni più coinvolgenti e informative per gli altri.

Tutto è chiaro?

Grazie per i tuoi commenti!

Sezione 1. Capitolo 6

Chieda ad AI

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

Scorri per mostrare il 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))

Tutto è chiaro?

Grazie per i tuoi commenti!

Sezione 1. Capitolo 6