نگاهی به نمودارها در Plotly

مقدمه

Plotly یک کتابخانه رسم نمودار متن باز پایتون است که برای ایجاد نمودارهای زیبا و تعاملی بهترین انتخاب است. یک ابزار عالی برای یافتن الگوها در یک مجموعه داده، قبل از مدل سازی است. در یک مجموعه مقاله، به شیوه ای مثال محور به چگونگی استفاده از آن، نگاهی خواهیم کرد. برخی از نمودارهای که آموزش داده می شوند شامل موارد زیر است:

• نمودارهای خطی (line plots)
• نمودارهای پراکندگی (scatter plots)
• نمودارهای میله‌ای (bar charts)
• نمودارهای میله‌ای مبتنی بر خطا (error bars)
• نمودارهای جعبه‌ای (box plots)
• هیستوگرام‌ها (histograms)
• نقشه‌های حرارتی (heatmaps)
• زیر نمودارها (subplots)
• و نمودارهای حبابی (bubble charts)

 در سری اول از مجموعه آموزش Plotly در مورد Plotly و دلایل انتخابمان بیشتر صحبت کرده و در ادامه هیستوگرام‌ها، نمودار میله‌ای، نمودار دایره‌ای و دوناتی به طور جزئی و با مثال‌های متنوع بررسی شدند.
در مقاله دوم در مورد نحوه ایجاد نمودارهای پراکندگی، خطی، پراکندگی سه‌بعدی، حبابی صحبت خواهیم کرد. همچنین نحوه نمایش دیتا فریم در قالب یک جدول زیبا آموزش داده می‌شود. در قسمت دیگری نحوه تبدیل نمودارهای ایجاد شده با Plotly به کد html آموزش داده می‌شود.

نمودار پراکندگی (scatter plot)

نمودارهای پراکندگی (scatterplots) برای تشخیص اینکه آیا رابطه یا همبستگی‌ای بین دو متغیر عددی وجود دارد (تشخیص استقلال یا وابستگی بین دو یا چند متغیر) مناسب است.

fig = px.scatter(df,x='comments',y='views')
fig.show()

نمودار خطی (line chart)

یک نمودار خطی عموماً برای نشان‌دادن اینکه یک متغیر عددی خاص چگونه در طول زمان یا در طول یک بازه خاص تغییر می‌کند، مورداستفاده قرار می‌گیرد.

fig = px.line(talks, x="published_year", y="number_of_events")
fig.show()

نشانه‌گذاری در Plotly

اضافه کردن برچسب های متنی و نشانه‌گذاری نمودارها در Plotly بسیار ساده است. در یک نمودار پراکندگی این کار با مشخص‌کردن مقدار برای پارامتر text قابل انجام است.

fig = px.scatter(df,x='comments',y='views',color='duration',text="published_day")
fig.show()

پراکندگی سه‌بعدی (۳D scatter)

در Plotly، یک نمودار پراکندگی سه‌بعدی را می‌توان با مشخص‌کردن پارامترهای x، y و z ایجاد کرد.

fig = px.scatter_3d(df,x='comments',y='views',z='duration',color='views')
fig.show()

تبدیل خروجی Plotly به HTML

Plotly همین‌طور این امکان را به شما می‌دهد تا هرکدام از نمایش‌های بصری‌تان را در یک فایل HTML ذخیره کنید. این کار به طرز عجیبی آسان است.

fig.write_html("3d.html")

سطح سه‌بعدی (۳D surface)

حالا بیایید تا به این‌که چگونه یک سطح سه‌بعدی را در Plotly رسم کنیم، نگاهی بیندازیم. مشابه نمودار پراکندگی سه‌بعدی، باید پارامترهای x، y و z را مشخص کنیم.

fig = go.Figure(data=[go.Surface(z=df[['duration','views','comments']].values)])
fig.update_layout(title='3D Surface', autosize=False,
                  width=500, height=500,
                  margin=dict(l=65, r=50, b=65, t=90))
fig.show()

نمودار حبابی (bubble chart)

نمودار حبابی بسیار شبیه به یک نمودار پراکندگی است. در واقع، از یک نمودار پراکندگی ساخته می‌شود. تنها موردی که به آن اضافه می‌کنیم، اندازه حباب است.

fig = px.scatter(df,x='comments',y='views',size='duration',color='num_speaker', log_x=True, size_max=60)
fig.show()

جدول (table)

همچنین Plotly را می توان برای نمایش بصری یک فریم داده به شکل یک جدول نیز مورداستفاده قرارداد. می‌توانیم از تابع Table در Plotly Graph Objects به این منظور استفاده کنیم. پارامترهای header و cells را به تابع جدول (table) پاس می‌دهیم. همچنین می‌توانیم styling را نیز به شکل زیر مشخص کنیم:

fig = go.Figure(data=[go.Table(header=dict(values=views_top.columns,
                                           fill_color='yellow',
),
                 cells=dict(values=[views_top['event'],views_top['views']],
                            fill_color='paleturquoise',
                           ))
                     ])
fig.show()