Вивчайте Додавання Інтерактивності: Наведення, Масштабування та Вибір

Інтерактивні можливості є ключовою перевагою графіків Plotly, роблячи дослідження даних більш інтуїтивним і захоплюючим. За допомогою Plotly можна додати підказки при наведенні для відображення деталей про кожну точку, збільшувати масштаб для детального перегляду окремих ділянок даних і виділяти підмножини даних безпосередньо на графіку. Такі інтерактивні елементи особливо корисні під час аналізу складних наборів даних, виявлення тенденцій або обміну висновками з іншими користувачами, які можуть взаємодіяти з вашими візуалізаціями. За замовчуванням графіки Plotly Express містять багато інтерактивних функцій, але їх можна додатково налаштовувати, щоб підкреслити найбільш релевантну для вашого аналізу інформацію.


              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))

У цьому прикладі показано, як створити точковий графік із відображенням користувацької інформації у підказці при наведенні. Параметр hover_data дозволяє точно вказати, які стовпці з'являтимуться у підказці та як вони будуть форматуватися. Тут відображаються назва міста, населення (з роздільниками тисяч) і площа (з одним десятковим знаком). Також можна використати параметр text для відображення підписів безпосередньо на точках графіка, що полегшує ідентифікацію кожного міста з першого погляду. Такий рівень налаштування допомагає подати найбільш важливі деталі аудиторії без перевантаження графіка.


              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))

Інтерактивність перетворює статичні графіки на потужні інструменти для дослідження даних. У Plotly Express такі функції, як підказки при наведенні, масштабування та виділення, увімкнені за замовчуванням, що дозволяє вам і вашій аудиторії глибше аналізувати дані. Налаштування інформації при наведенні спрощує відображення ключових деталей, а контроль масштабування та виділення допомагають зосередитися на певних закономірностях або аномаліях. Ці інтерактивні можливості не лише підвищують ефективність аналізу, а й роблять ваші візуалізації більш захопливими та інформативними для інших.

Яке твердження найкраще описує стандартні інтерактивні можливості графіків Plotly Express?

Select the correct answer

Графіки Plotly Express за замовчуванням містять підказки при наведенні, масштабування та виділення

Графіки Plotly Express завжди є статичними зображеннями без інтерактивних можливостей

Щоб увімкнути підказки при наведенні та масштабування у Plotly Express, потрібно написати власний JavaScript код

Виділення та масштабування доступні лише у платних версіях Plotly Express

Все було зрозуміло?

Дякуємо за ваш відгук!

Секція 1. Розділ 6

Запитати АІ

Запитайте про що завгодно або спробуйте одне із запропонованих запитань, щоб почати наш чат

Свайпніть щоб показати меню


              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))