如果你不熟悉Plotly或数据可视化概念,标图表不要担心!详解我们将把它分解成易于理解的创建小块内容,使其适合任何人。自定
Plotly是标图表一个强大的数据可视化工具,允许我们使用Python创建各种交互式绘图和图表。详解在Plotly提供的创建无数类型的图表中,有一种特别简单明了的自定类型是“指标图表”。这些图表非常适合仪表盘,标图表你可以在其中强调关键指标或追踪一段时间内的详解变化。
在深入研究细节之前,创建需要导入Plotly库。自定这是任何涉及外部库的Python程序中典型的第一步:
import plotly.graph_objects as go
让我们考虑一个场景,我们有两个值-120和150。我们要使用参考值100创建这些值的指标。参考值是我们将实际值与之进行比较的基准或标准。
我们的目标是生成下图:
图形输出
以下是创建指标的步骤:
# 创建绘图的布局layout = go.Layout( grid = { 'rows': 1, 'columns': 2, 'pattern': 'independent'}, width = 600, # 宽度像素 height = 300 # 高度像素)
fig = go.Figure(layout=layout)# 第一个值fig.add_trace(go.Indicator( mode = "number+delta+gauge", value = 120, delta = { 'reference': 100}, gauge = { 'axis': { 'visible': True, 'range': [None, 150]}, 'steps': [ { 'range': [0, 100], 'color': "lightgray"} ], 'threshold': { 'line': { 'color': "red", 'width': 4}, 'thickness': 0.75, 'value': 100 } }, title = { "text": "Value 1"}, domain = { 'x': [0, 0.5], 'y': [0, 1]}))# 第二个值fig.add_trace(go.Indicator( mode = "number+delta+gauge", value = 150, delta = { 'reference': 100}, gauge = { 'axis': { 'visible': True, 'range': [None, 200]}, 'steps': [ { 'range': [0, 100], 'color': "lightgray"} ], 'threshold': { 'line': { 'color': "red", 'width': 4}, 'thickness': 0.75, 'value': 100 } }, title = { "text": "Value 2"}, domain = { 'x': [0.5, 1], 'y': [0, 1]}))fig.show()
在我们讨论的代码中,我们正在使用go.Indicator函数来创建指标。一开始可能看起来会感觉有点复杂,但一旦我们了解它使用的参数,一切就都水到渠成了。以下是我们所使用参数的概要介绍:
通过理解和调整这些参数,你可以自定义指标图表以适应你的数据和受众需求。你可以尝试不同颜色、调整范围、重新定位指标等等。
然而,虽然美学定制是数据可视化的一个很好的方面,但重要的是要记住,任何数据可视化的主要目标都是清晰准确地表示数据。因此,总是优先考虑清晰性而不是华丽性。
我们使用Plotly创建了一个简单而强大的数据可视化。这只是冰山一角,Plotly提供了许多更多功能和类型的图表供你探索。
图形输出
责任编辑:武晓燕 来源: Python学研大本营 Plotly指标图表(责任编辑:探索)
中证金力挺民企债券融资专项计划 完善民营企业债券融资支持机制
赛生药业(06600.HK)年度实现纯利7.5亿元 每股基本盈利约为人民币1.38元
前10个月安徽省重点项目完成投资15725亿 开工3235个
鑫科材料(600255.SH):向激励对象授予股票期权4969万份 行权价格为2.38元/份
亚太卫星(01045.HK)年度纯利减少36.1% 每股盈利24.88港仙
嘉里物流(00636.HK)因购股权获行使发行8万股 每股发行价10.2港元