Plotly教程

Plotly Distplots

在本章中,我们将详细了解分布图、密度图和误差条图。让我们从学习 distplots 开始。

分布图

distplot 图工厂显示数值数据的统计表示的组合,例如直方图、核密度估计或正态曲线以及地毯图。
分布批次可以由以下 3 个组件的全部或任意组合组成-
直方图 曲线:(a) 核密度估计或 (b) 正态曲线,以及 地毯图
figure_factory 模块具有 create_distplot() 函数,该函数需要一个名为 hist_data 的强制参数。
以下代码创建了一个由直方图、kde 图和地毯图组成的基本 distplot。
x = np.random.randn(1000)
hist_data = [x]
group_labels = ['distplot']
fig = ff.create_distplot(hist_data, group_labels)
iplot(fig)
上述代码的输出如下-
Distplots

密度图

密度图是根据数据估计的直方图的平滑连续版本。最常见的估计形式称为 核密度估计 (KDE)。在这种方法中,在每个单独的数据点绘制一条连续曲线(内核),然后将所有这些曲线加在一起以进行单个平滑密度估计。
plotly.figure_factory._2d_density 模块中的 create_2d_density() 函数返回一个用于 2D 密度图的图形对象。
以下代码用于在直方图数据上生成二维密度图。
t = np.linspace(-1, 1.2, 2000)
x = (t**3) + (0.3 * np.random.randn(2000))
y = (t**6) + (0.3 * np.random.randn(2000))
fig = ff.create_2d_density( x, y)
iplot(fig)
下面提到的是上面给出的代码的输出。
密度图

误差线图

误差线是数据中误差或不确定性的图形表示,它们有助于正确解释。出于科学目的,错误报告对于理解给定数据至关重要。
误差线对问题解决者很有用,因为误差线显示了一组测量值或计算值的置信度或精度。
大多数误差线代表数据集的范围和标准偏差。它们可以帮助可视化数据如何围绕平均值分布。可以在条形图、折线图、散点图等多种图上生成误差线。
go.Scatter() 函数具有控制误差线生成方式的 error_xerror_y 属性。
visible (boolean)-确定这组误差线是否可见。
类型属性具有可能的值" 百分比"| " 常数" | " sqrt" | " data"。它设置用于生成误差线的规则。如果是"百分比",则条线长度对应于基础数据的百分比。在`value`中设置此百分比。如果是"sqrt" ,条长对应底层数据的平方。如果是"data",条长用数据集`array`设置。
对称 属性可以为真或假。因此,误差线在两个方向上的长度或不相同(垂直条的顶部/底部,水平条的左/右。 array-设置对应于每个误差条长度的数据。值是相对于基础数据绘制的。 arrayminus-设置与垂直(水平)条的底部(左)方向上每个误差条的长度相对应的数据。值是相对于基础数据绘制的。
以下代码在散点图上显示对称误差条-
trace = go.Scatter(
   x = [0, 1, 2], y = [6, 10, 2],
   error_y = dict(
   type = 'data', # value of error bar given in data coordinates
   array = [1, 2, 3], visible = true)
)
data = [trace]
layout = go.Layout(title = 'Symmetric Error Bar')
fig = go.Figure(data = data, layout = layout)
iplot(fig)
下面给出的是上述代码的输出。
误差条图
通过以下脚本呈现非对称误差图-
trace = go.Scatter(
   x = [1, 2, 3, 4], 
   y =[ 2, 1, 3, 4],
   error_y = dict(
      type = 'data',
      symmetric = false,
      array = [0.1, 0.2, 0.1, 0.1], 
      arrayminus = [0.2, 0.4, 1, 0.2]
   )
)
data = [trace]
layout = go.Layout(title = 'Asymmetric Error Bar')
fig = go.Figure(data = data, layout = layout)
iplot(fig)
相同的输出如下-
Asymmeric Error Bar
昵称: 邮箱:
Copyright © 2022 立地货 All Rights Reserved.
备案号:京ICP备14037608号-4