Lära Integrera Plotly med Pandas DataFrames

Vid arbete med data i Python är pandas DataFrames ett av de mest kraftfulla och flexibla verktygen du kan använda. En DataFrame är en tvådimensionell, märkt datastruktur med kolumner som kan innehålla olika typer av värden, såsom siffror, strängar eller datum. Detta format är särskilt användbart för datamanipulering, rengöring och analys, vilket gör det till ett naturligt val för att förbereda data inför visualisering. Genom att använda DataFrames kan du snabbt filtrera, aggregera och transformera din data, vilket effektiviserar processen att skapa meningsfulla och interaktiva diagram med 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))

När du använder Plotly Express med en pandas DataFrame upptäcker Plotly automatiskt kolumnnamnen och gör dem tillgängliga för användning som axlar, färger, symboler och mer. Det innebär att du enkelt kan referera till en kolumn med dess namn när du anger parametrar som x, y eller color. Plotly Express hanterar mappningen av data åt dig, vilket gör visualiseringsprocessen både intuitiv och effektiv. Till exempel, i föregående kod, anger x="GDP" och y="Population" för Plotly att använda dessa kolumner för respektive axel, och genom att inkludera text="Country" läggs landsnamn till vid punkterna.


              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))

För att få ut det mesta av integrationen mellan pandas och Plotly, bör alla datarengörings- och aggregeringssteg utföras i pandas innan DataFrame skickas till Plotly Express. Detta tillvägagångssätt säkerställer att dina visualiseringar är korrekta och lätta att tolka. Använd kolumnnamn direkt i funktioner från Plotly Express för att hålla din kod läsbar och koncis. Som visas i exemplen möjliggör gruppering och summering av data med pandas-metoder som groupby att skapa diagram som tydligt belyser trender och jämförelser. Genom att hålla databereddning och visualiseringsflöde tätt integrerat med pandas och Plotly kan du effektivt skapa övertygande, interaktiva diagram för dina analyser.

Var allt tydligt?

Tack för dina kommentarer!

Avsnitt 1. Kapitel 8

Fråga AI

Fråga vad du vill eller prova någon av de föreslagna frågorna för att starta vårt samtal

Svep för att visa menyn


              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))

Var allt tydligt?

Tack för dina kommentarer!

Avsnitt 1. Kapitel 8