Lære Legge til Interaktivitet: Hover, Zoom og Utvalg

Interaktive funksjoner er en sentral styrke ved Plotly-diagrammer, og gjør datautforskning mer intuitiv og engasjerende. Med Plotly kan du legge til sveveverktøytips for å vise detaljer om hvert punkt, zoome inn for å undersøke spesifikke dataområder, og velge datasett direkte i diagrammet. Disse interaktive elementene er spesielt nyttige når du skal utforske komplekse datasett, identifisere trender eller dele innsikt med andre som kan samhandle med visualiseringene dine. Som standard inkluderer Plotly Express-diagrammer mange interaktive muligheter, men du kan tilpasse dem ytterligere for å fremheve den informasjonen som er mest relevant for analysen din.


              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))

I dette eksempelet ser du hvordan du kan lage et spredningsdiagram som viser tilpasset informasjon i sveveverktøytipset. Parameteren hover_data lar deg spesifisere nøyaktig hvilke kolonner som skal vises i verktøytipset og hvordan de skal formateres. Her vises bynavn, befolkning (med tusenskilletegn) og areal (med én desimal). Du kan også bruke parameteren text for å vise etiketter direkte på punktene i diagrammet, noe som gjør det enklere å identifisere hver by ved første øyekast. Dette tilpasningsnivået hjelper deg å presentere de mest relevante detaljene for publikum uten å overfylle diagrammet.


              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))

Interaktivitet forvandler statiske diagrammer til kraftige verktøy for datautforskning. Med Plotly Express er funksjoner som hover-verktøytips, zooming og utvalg aktivert som standard, slik at du og publikum kan undersøke dataene grundigere. Tilpasning av hover-informasjon gjør det enkelt å fremheve viktige detaljer, mens zoom- og utvalgskontroller hjelper deg å fokusere på spesifikke mønstre eller avvik. Disse interaktive funksjonene forbedrer ikke bare analysen, men gjør også visualiseringene dine mer engasjerende og informative for andre.

Alt var klart?

Takk for tilbakemeldingene dine!

Seksjon 1. Kapittel 6

Spør AI

Spør om hva du vil, eller prøv ett av de foreslåtte spørsmålene for å starte chatten vår

Sveip for å vise menyen


              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))

Alt var klart?

Takk for tilbakemeldingene dine!

Seksjon 1. Kapittel 6