آشنایی با کتابخانه Plotly در پایتون

آشنایی با کتابخانه Plotly در پایتون

نوشته شده توسط: تیم فنی نیک آموز
تاریخ انتشار: ۱۰ تیر ۱۴۰۰
آخرین بروزرسانی: ۲۳ آبان ۱۴۰۲
زمان مطالعه: 14 دقیقه
۰
(۰)

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 شیوه‌ای مثال محور به چگونگی استفاده از آن، نگاهی خواهیم کرد. برخی از نمودارهای که آموزش داده می‌شوند 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 مقاله اول در مورد plotly و دلایل انتخابمان بیشتر صحبت کرده و در ادامه هیستوگرام‌ها، نمودار میله‌ای، نمودار دایره‌ای و دوناتی بررسی خواهند شد.

چرا باید Plotly را انتخاب کنید؟

برای ترسیم و ایجاد انوع نمودارها و بصری سازی در پایتون می توان از کتابخانه های Matplotlip، Seaborn یا Bokeh استفاده کرد. ولی به دلایل زیر بهتر است از Plotly استفاده کنیم:

  • نمایش‌های بصری (نمودارها) برخلاف Seaborn و Matplotlib تعاملی هستند.
  • ساختن نمایش‌های بصری پیچیده با استفاده از Express API بسیار ساده است.
  • Plotly همچنین فریم‌ورکی با عنوانPlotly Dash را ارائه می دهد که می توان از آن برای میزبانی نمایش های بصری خود و همچنین پروژه های یادگیری ماشین استفاده کرد.
  • می‌توان در صورت تمایل برای نمایش‌های بصری خود کد HTML تولید کرده و به‌راحتی کد آن را به وبسایت خود اضافه کنید.

علاوه بر موارد گفته شده، ایجاد نمایش‌های بصری نیازمند این خواهد بود که مجموعه داده تمیز شده باشد. این کار یک بخش مهم است، در غیر این صورت، نمایش‌های بصری‌ای خواهیم داشت که نشان‌دهنده اطلاعات نادرستی هستند. در این مقاله، از بخش پیش‌پردازش صرف‌نظر می‌کنیم تا بر روی نمایش‌های بصری تمرکز کنیم
همچنین مهم است بهترین اصول در زمان ساختن نمایش‌های بصری به‌خاطر داشته باشید، برای مثال:

  • از رنگ‌هایی استفاده کنید که چشم را آزار ندهند (Eye-Friendly).
  • مطمئن شوید که عددها درست درمی‌آیند، برای مثال در نمودار دایره‌ای (Pie Chart) درصدها باید در مجموع ۱۰۰% بشوند.
  • از مقیاس (طیف) رنگی خوبی استفاده کنید که برای بیننده واضح باشد که کدام رنگ نشان‌دهنده عدد بیشتر و کدام‌یک نشان‌دهنده کمتر است.
  • داده زیادی را در یک نمایش بصری قرار ندهید، برای مثال، می‌توانید نمونه‌ها را گروه‌بندی کنید و به‌جای رسم تمام موارد در مجموعه داده، بالاترین موارد را رسم کنید.
  • مطمئن شوید که نمودار زیاد شلوغ نیست.
  • همیشه منبع داده‌تان را اضافه کنید، حتی اگر خودتان آن را جمع‌آوری کرده‌اید.

به دو روش می‌توان با Plotly ارتباط برقرار کرد و نمودارهای مدنظر را طراحی کنید.

در این قسمت، از هر دو روش استفاده خواهیم کرد.

هیستوگرام (Histogram)

یک هیستوگرام نمایشی از توزیع داده‌های عددی به صورتی است که داده‌ها در بازه‌هایی گروه‌بندی بشوند. سپس فراوانی هر بازه نمایش داده خواهد شد. در Plotly، داده‌ها می‌توانند با استفاده از توابعی مثل Sum یا Average جمع زده بشوند. در Plotly داده‌هایی که در بازه‌ها قرار داده می‌شوند می توانند بر اساس دسته باشند. به عنوان مثال:

import plotly.express as px
fig = px.histogram(views, x="views")
fig.show()

نمودار میله‌ای (Bar Charts)

نمودار میله‌ای برای زمانی که بخواهید یک ستون کیفی و یک ستون عددی را نمایش بدهید عالی است. این نمودار، یک ستون عددی خاص برای هر دسته را نشان می‌دهد. Plotly Express رسم یک نمودار از این نوع را بسیار آسان کرده است.

fig = px.bar(views_top, x='event', y='views')
fig.show()

این مدل نمودارها تنها به نمودارهای میله‌ای عمودی محدود نیستید، همچنین می‌توانید یک نمودار افقی ایجاد کنید. این کار با مشخص‌کردن Orientation (جهت) انجام می‌گیرد.

fig = px.bar(views_top, x='views', y='event',orientation='h')
fig.show()

نمودار دایره‌ای (Pie Chart)

نمودار دایره‌ای نوع دیگری از نمودارهایی است که برای نمایش درصد فراوانی هر دسته است. این نوع نمودار، به کاربر این امکان را می‌دهد تا سریعاً سهم هر مورد (دسته یا گروه) بر روی کل مجموعه داده را تشخیص بدهد. این بار با استفاده از Graph Object در Plotly یک نمودار دایره‌ای رسم می‌کنیم.

import plotly.graph_objects as go
fig = go.Figure(
    data=[
        go.Pie(labels=labels, values=values)
    ])
fig.show()

نمودار دوناتی (Donut Chart) Plotly
می‌توانید نمایش بصری بالا را با مشخص‌کردن پارامتر hole (سوراخ) به یک نمودار دوناتی تبدیل کنید. این پارامتر اندازه سوراخی است که تمایل دارید نمودار دوناتی داشته باشد.

fig = go.Figure(
    data=[
        go.Pie(labels=labels, values=values, hole=0.2)
    ])
fig.show()

در این مقاله 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.

چه رتبه ای می‌دهید؟

میانگین ۰ / ۵. از مجموع ۰

اولین نفر باش

title sign
دانلود مقاله
آشنایی با کتابخانه Plotly در پایتون
فرمت PDF
6 صفحه
حجم 1 مگابایت
دانلود مقاله
title sign
معرفی نویسنده
تیم فنی نیک آموز
مقالات
273 مقاله توسط این نویسنده
محصولات
0 دوره توسط این نویسنده
تیم فنی نیک آموز
پروفایل نویسنده
title sign
معرفی محصول
title sign
دیدگاه کاربران