Lära Lägga till Interaktivitet: Hovring, Zoom och Markering

Interaktiva funktioner är en av Plotlys största styrkor och gör datautforskning mer intuitiv och engagerande. Med Plotly kan du lägga till hovringsverktygstips för att visa detaljer om varje punkt, zooma in för att undersöka specifika dataområden och välja delmängder av data direkt i diagrammet. Dessa interaktiva element är särskilt användbara när du behöver utforska komplexa datamängder, identifiera trender eller dela insikter med andra som kan interagera med dina visualiseringar. Som standard innehåller Plotly Express-diagram många interaktiva funktioner, men du kan ytterligare anpassa dem för att lyfta fram den information som är mest relevant för din analys.


              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 detta exempel visas hur du skapar ett spridningsdiagram som visar anpassad information i hovringsverktygstipset. Parametern hover_data gör det möjligt att specificera exakt vilka kolumner som ska visas i verktygstipset och hur de ska formateras. Här visas stadsnamn, befolkning (med tusentalsavgränsare) och yta (med en decimal). Du kan även använda parametern text för att visa etiketter direkt på diagrammets punkter, vilket gör det enklare att identifiera varje stad direkt. Denna nivå av anpassning hjälper dig att presentera de mest relevanta detaljerna för din målgrupp utan att överbelasta 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 omvandlar statiska diagram till kraftfulla verktyg för datautforskning. Med Plotly Express är funktioner som hover-verktygstips, zoomning och markering aktiverade som standard, vilket gör det möjligt för dig och din publik att undersöka data på djupet. Anpassning av informationen vid hovring gör det enkelt att lyfta fram viktiga detaljer, medan zoom- och markeringskontroller hjälper till att fokusera på specifika mönster eller avvikelser. Dessa interaktiva funktioner förbättrar inte bara analysen utan gör även dina visualiseringar mer engagerande och informativa för andra.

Var allt tydligt?

Tack för dina kommentarer!

Avsnitt 1. Kapitel 6

Fråga AI

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

Svep för att visa menyn


              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))

Var allt tydligt?

Tack för dina kommentarer!

Avsnitt 1. Kapitel 6