Link Search Menu Expand Document
chaelist

Plotly


Table of contents
  1. Bar graph
  2. Scatter Plot
    1. Dot Plot
    2. Bubble Chart
  3. Line Chart
  4. Pie Graph
    1. Treemap
    2. Sunburst Chart
  5. Statistical Charts
    1. Box Plot
    2. Strip Plot
    3. Violin Plot
    4. Histogram

*Plotly
: 세련된 opensource interactive graphing library.

*Plotly Express
: easy-to-use, high-level visualization library
(Plotly와 Plotly Express의 관계는 Matplotlib과 Seaborn의 관계와 유사)

  • pip install plotly로 설치해서 사용

*Chart Studio
: plotly로 시각화한 차트를 chart studio에 upload하면 쉽게 web 상에 embed할 수 있다

  • pip install chart_studio로 설치
  • username과 api_key를 활용해 연결:
      import chart_studio

  username = ''  # 자신의 username (plotly account를 만들어야 함)
  api_key = ''    # 자신의 api key (settings > regenerate key)

  chart_studio.tools.set_credentials_file(username=username, api_key=api_key)
  • 작성한 차트를 upload하는 코드:
      chart_studio.plotly.plot(fig, filename = '파일이름', auto_open=True)  # fig: 작성한 차트를 저장한 변수
  ## 위 코드를 실행하면 새로운 window로 해당 차트의 링크가 열리고, notebook에도 link를 아래에 return해줌

Bar graph

# 필요한 library를 import
import plotly.express as px
import plotly.io as pio

import pandas as pd
import numpy as np

pio.templates.default = "plotly_white"  # default template을 지정 (지정하지 않으면 기본은 'plotly')

bills_df = px.data.tips()  # plotly express에서 제공되는 기본 data 사용
bills_df.head()
  total_bill tip sex smoker day time size
0 16.99 1.01 Female No Sun Dinner 2
1 10.34 1.66 Male No Sun Dinner 3
2 21.01 3.5 Male No Sun Dinner 3
3 23.68 3.31 Male No Sun Dinner 2
4 24.59 3.61 Female No Sun Dinner 4

  1. daily average bills per sex

     fig = px.bar(bills_df.groupby(['day', 'sex'])[['total_bill']].mean().reset_index(),
             x='day', y='total_bill', color='sex',
             title='Average Bills per Day', category_orders={'day':['Thur', 'Fri', 'Sat', 'Sun']},
             color_discrete_sequence=px.colors.qualitative.Pastel)
 fig.show()
    • 연속적이지 않은 color palette는 color_discrete_sequence 옵션으로 지정
    • 보통 discrete_sequence에는 px.colors.qualitative에 있는 색을 넣지만, px.colors.sequential / px.colors.diverging / px.colors.cyclical에 있는 색을 넣어도 괜찮다
    • color로 구분을 넣으면 default로 누적 그래프 형태로 시각화됨

  2. daily average bills per sex (2)

     fig = px.bar(bills_df.groupby(['day', 'sex'])[['total_bill']].mean().reset_index(),
             x='day', y='total_bill', color='sex', height=400, 
             title='Average Bills per Day', category_orders={'day':['Thur', 'Fri', 'Sat', 'Sun']},
             color_discrete_sequence=px.colors.qualitative.Pastel,
             barmode='group')  # 양 옆으로 놓이는 구조  # barmode='stack'라고 하면 누적 (dafault setting)
 fig.show()
    • barmode='group' 옵션을 추가해주면 그룹별 값이 위아래 대신 양옆으로 배치됨
    • height 옵션으로 크기를 지정해주는 것도 가능 (+. width 옵션도 가능)

  3. daily total bills per sex

     fig = px.bar(bills_df, x='day', y='total_bill', color='sex',
             title='Total Bills per Day', category_orders={'day':['Thur', 'Fri', 'Sat', 'Sun']},
             color_discrete_sequence=px.colors.qualitative.Pastel)
 fig.show()
    • seaborn에서는 전체 data를 넣어서 bar graph를 그리면 default로 평균값을 시각화해주는 반면, plotly express는 전체 data의 그대로 합산해서 시각화해준다

  4. category별로 영역을 나누어 그리기

     fig = px.bar(bills_df, x='day', y='total_bill', color='smoker', barmode='group', facet_col='sex',
             category_orders={'day':['Thur', 'Fri', 'Sat', 'Sun']},
             color_discrete_sequence=px.colors.qualitative.Safe, template='plotly')
 fig.show()
    • facet_col 옵션을 통해 특정 그룹별로 영역을 나눠서 시각화할 수 있다
    • template 옵션을 통해 각 그래프별 template을 별도로 지정할 수도 있다
      (원래 default는 ‘plotly’지만, 위에서 default template을 ‘plotly_white’로 지정해두었으므로, 해당 그래프에서는 ‘plotly’ template을 사용하기 위해 옵션을 별도로 지정)

Scatter Plot

iris_df = px.data.iris()
iris_df.head()
  sepal_length sepal_width petal_length petal_width species species_id
0 5.1 3.5 1.4 0.2 setosa 1
1 4.9 3 1.4 0.2 setosa 1
2 4.7 3.2 1.3 0.2 setosa 1
3 4.6 3.1 1.5 0.2 setosa 1
4 5 3.6 1.4 0.2 setosa 1

  1. 기본 scatter plot

     fig = px.scatter(iris_df, x='sepal_width', y='sepal_length', color='species',
                 color_discrete_sequence=px.colors.qualitative.Safe)
 fig.show()

  2. trendline을 포함한 scatter plot

     fig = px.scatter(bills_df, x='total_bill', y='tip', trendline='ols',
                 color_discrete_sequence=px.colors.qualitative.Pastel1,
                 trendline_color_override='gold')
 fig.show()
    • trendline='ols' 옵션을 통해 선형회귀선을 함께 시각화

Dot Plot

gapminder_df = px.data.gapminder()
gapminder_df.head()
  country continent year lifeExp pop gdpPercap iso_alpha iso_num
0 Afghanistan Asia 1952 28.801 8425333 779.445 AFG 4
1 Afghanistan Asia 1957 30.332 9240934 820.853 AFG 4
2 Afghanistan Asia 1962 31.997 10267083 853.101 AFG 4
3 Afghanistan Asia 1967 34.02 11537966 836.197 AFG 4
4 Afghanistan Asia 1972 36.088 13079460 739.981 AFG 4

→ scatter plot에 categorical axis를 넣어서 시각화 (dot plot)

fig = px.scatter(gapminder_df.query("continent=='Americas'"), x='lifeExp', y='country',
                color='year',
                color_continuous_scale='Burgyl')
fig.show()
  • 연속적인 color palette는 color_continuous_scale 옵션으로 지정

Bubble Chart

: scatter plot에서 size option을 지정해 시각화하면 된다

  1. 2007년의 gdpPercap과 liefExp의 관계를 시각화 (bubble size: population)

     fig = px.scatter(gapminder_df.query("year == 2007"), 
                 x='gdpPercap', y='lifeExp', size='pop', color='continent',
                 hover_name='country')
 fig.show()
    • hover_name 옵션을 통해 마우스를 hover할 때 우선적으로 보여지는 정보를 지정

  2. x값을 log 변환해 시각화

     fig = px.scatter(gapminder_df.query("year == 2007"), 
                 x='gdpPercap', y='lifeExp', size='pop', color='continent',
                 hover_name='country', log_x=True, size_max=60)
 fig.show()
    • x값과 y값의 더 명확한 관계를 시각화하기 위해 log_x=True 옵션을 지정
    • 더 bubble의 size를 구분하기 쉽도록 size_max=60 옵션으로 bubble size를 조정

Line Chart

fig = px.line(gapminder_df.query("continent == 'Oceania'"), 
              x='year', y='lifeExp', color='country', symbol='country',
              color_discrete_sequence=px.colors.qualitative.Pastel1)
fig.show()
  • symbol='country' 옵션을 통해 각 국가별 marker의 모양을 다르게 지정
  • 각 그룹별 marker 모양을 구분하지 않고 모두 동일한 marker로 표시하고 싶으면 symbol 옵션 대신 markers=True 옵션을 추가해주면 된다

Pie Graph

# 2007년 gapminder 수치 중, Asia 지역의 국가별 population 비중을 시각화

temp_df = gapminder_df.query("year == 2007").query("continent == 'Asia'")
# population이 가장 많은 top 15 국가를 제외하고는 다 'Other countries'로 처리
temp_df.sort_values(by='pop', ascending=False, inplace=True)
temp_df.iloc[15:, 0] = 'Other countries'

fig = px.pie(temp_df, values='pop', names='country',
             color_discrete_sequence=px.colors.qualitative.Antique)
fig.show()

Treemap

temp_df = gapminder_df.query("year == 2007")
fig = px.treemap(temp_df, path=[px.Constant('world'), 'continent', 'country'], 
                values='pop', color='lifeExp', color_continuous_scale='RdBu',
                color_continuous_midpoint=np.average(temp_df['lifeExp'], weights=temp_df['pop']))

fig.update_layout(margin = dict(t=50, l=25, r=25, b=25))
fig.show()

Sunburst Chart

fig = px.sunburst(bills_df, path=['day', 'time', 'sex'], values='tip',
                 color='time', color_discrete_sequence=px.colors.qualitative.Pastel)
fig.show()

Statistical Charts

Box Plot

  1. 기본 box plot

     fig = px.box(bills_df, x='sex', y='total_bill', color='smoker', 
             color_discrete_sequence=px.colors.qualitative.Pastel)
 fig.show()

  2. 각 point를 함께 시각화

     fig = px.box(bills_df, x='sex', y='total_bill', color='smoker', points='all',
             color_discrete_sequence=px.colors.qualitative.Pastel)
 fig.show()
    • points='all' 옵션을 지정하면 box plot 옆에 모든 point를 함께 시각화해줌 (default: points='outliers')

Strip Plot

  1. 기본 strip plot

     fig = px.strip(bills_df, x='sex', y='total_bill', color='smoker', 
             color_discrete_sequence=px.colors.qualitative.Pastel)
 fig.show()

  2. category별로 세분화해 시각화

     fig = px.strip(bills_df, x='total_bill', y='time', color='sex', facet_col='day', 
             category_orders={'day':['Thur', 'Fri', 'Sat', 'Sun']},
             color_discrete_sequence=px.colors.qualitative.Safe, template='plotly')
 fig.show()

Violin Plot

  1. 기본 violin plot

     fig = px.violin(bills_df, x='sex', y='total_bill', color='smoker',
                 color_discrete_sequence=px.colors.qualitative.Pastel)
 fig.show()

  2. box, points 옵션 지정

     fig = px.violin(bills_df, y='total_bill', color='sex', box=True, points='all',
                 color_discrete_sequence=px.colors.qualitative.Pastel)
 fig.show()
    • points='all' 옵션을 지정하면 violin plot 옆에 모든 point를 함께 시각화해줌
    • box=True 옵션을 지정하면 violin plot 안에 box plot를 함께 시각화해줌

Histogram

  1. 기본 histogram

     fig = px.histogram(bills_df, x='total_bill', nbins=10)
 fig.show()
    • nbins 옵션으로 number of bins를 조절

  2. categorical data를 넣으면 count plot처럼 작용

     fig = px.histogram(bills_df, x='day', category_orders={'day':['Thur', 'Fri', 'Sat', 'Sun']})
 fig.show()
    • x값에 categorical data를 넣으면 각 카테고리별 수를 세어서 시각화해줌 (count plot)

  3. histogram과 각 값의 분포를 함께 시각화

     fig = px.histogram(bills_df, x='total_bill', y='tip', color='sex', marginal='box',
                 color_discrete_sequence=px.colors.qualitative.Pastel)
 fig.show()
    • marginal='box' 옵션을 추가하면 각 값의 분포를 box plot으로 함께 시각화해줌
      (marginal: box, violin, rug 중에 선택 가능)
    • 참고: Combined statistical representations


+) 참고용 링크들

Copyright © 2021 Chaeyun.
This site uses Just the Docs, a Jekyll theme.