【Python百日进阶-数据分析】Day325 - plotly.express.scatter_3d():3D散点图

这篇具有很好参考价值的文章主要介绍了【Python百日进阶-数据分析】Day325 - plotly.express.scatter_3d():3D散点图。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

一、3D散点图语法

plotly.express.scatter_3d(data_frame=None,
                          x=None,
                          y=None,
                          z=None,
                          color=None,
                          symbol=None,
                          size=None,
                          text=None,
                          hover_name=None,
                          hover_data=None,
                          custom_data=None,
                          error_x=None,
                          error_x_minus=None,
                          error_y=None,
                          error_y_minus=None,
                          error_z=None,
                          error_z_minus=None,
                          animation_frame=None,
                          animation_group=None,
                          category_orders=None,
                          labels=None,
                          size_max=None,
                          color_discrete_sequence=None,
                          color_discrete_map=None,
                          color_continuous_scale=None,
                          range_color=None,
                          color_continuous_midpoint=None,
                          symbol_sequence=None,
                          symbol_map=None,
                          opacity=None,
                          log_x=False,
                          log_y=False,
                          log_z=False,
                          range_x=None,
                          range_y=None,
                          range_z=None,
                          title=None,
                          template=None,
                          width=None,
                          height=None)

二、3D散点图参数

  • data_frame ( DataFrame or array-like or dict ) – 这个参数需要传递给要使用的列名(而不是关键字名)。Array-like 和 dict 在内部转换为 Pandas DataFrame。可选:如果丢失,则使用其他参数在幕后构造一个 DataFrame。

  • x ( str or int or Series or array-like ) – 中列的名称data_frame,或pandas Series或array_like对象。来自此列或 array_like 的值用于在笛卡尔坐标中沿 x 轴定位标记。

  • y ( str or int or Series or array-like ) – 中列的名称data_frame,或pandas Series或array_like对象。来自此列或 array_like 的值用于在笛卡尔坐标中沿 y 轴定位标记。

  • z ( str or int or Series or array-like ) – 中列的名称data_frame,或pandas Series或array_like对象。来自此列或 array_like 的值用于在笛卡尔坐标中沿 z 轴定位标记。

  • color ( str or int or Series or array-like ) – 中列的名称data_frame,或pandas Series或array_like对象。此列或array_like 中的值用于为标记分配颜色。

  • symbol 符号(str或int或Series或类似数组)– 中列的名称,data_frame或 Pandas Series 或 array_like 对象。此列或array_like 中的值用于将符号分配给标记。

  • size ( str or int or Series or array-like ) – 中列的名称data_frame,或pandas Series或array_like对象。此列或array_like 中的值用于分配标记大小。

  • text ( str or int or Series or array-like ) – 中列的名称data_frame,或pandas Series或array_like对象。此列或array_like 中的值在图中显示为文本标签。

  • hover_name ( str or int or Series or array-like ) – 中列的名称data_frame,或者pandas Series或array_like对象。此列或类似数组的值在悬停工具提示中以粗体显示。

  • hover_data 悬停数据(str或int列表,或Series或类似数组,或dict)–data_frame或 pandas Series 中的列名称列表,或类似数组的对象或以列名作为键的 dict,值为 True(默认情况下)格式) False(为了从悬停信息中删除此列),或格式字符串,例如 ‘:.3f’ 或 ’ | %a’ 或类似列表的数据出现在悬停工具提示或元组中,bool 或格式化字符串作为第一个元素,类似列表的数据出现在悬停中作为第二个元素这些列中的值在悬停工具提示中显示为额外数据.

  • custom_data(str或int列表,或Series或array-like)– 中列的名称data_frame,或 Pandas Series,或 array_like 对象这些列中的值是额外的数据,例如用于小部件或 Dash 回调。此数据不是用户可见的,但包含在图形发出的事件中(套索选择等)

  • error_x ( str or int or Series or array-like ) – 中列的名称data_frame,或pandas Series或array_like对象。此列或 array_like 中的值用于确定 x 轴误差线的大小。如果error_x_minus是None,误差线将是对称的,否则error_x仅用于正方向。

  • error_x_minus ( str or int or Series or array-like ) – 中列的名称data_frame,或pandas Series或array_like对象。此列或 array_like 中的值用于确定负方向上的 x 轴误差条的大小。如果error_x 是 则忽略None。

  • error_y ( str or int or Series or array-like ) – 中列的名称data_frame,或pandas Series或array_like对象。此列或 array_like 中的值用于确定 y 轴误差线的大小。如果error_y_minus是None,误差线将是对称的,否则error_y仅用于正方向。

  • error_y_minus ( str or int or Series or array-like ) – 中列的名称data_frame,或者pandas Series或array_like对象。此列或 array_like 中的值用于在负方向上调整 y 轴误差条的大小。如果error_y 是 则忽略None。

  • error_z ( str or int or Series or array-like ) – 中的列名data_frame,或者pandas Series或者array_like对象。此列或 array_like 中的值用于调整 z 轴误差线的大小。如果error_z_minus是None,误差线将是对称的,否则error_z仅用于正方向。

  • error_z_minus ( str or int or Series or array-like ) – 中的列名data_frame,或者pandas Series或者array_like对象。此列或 array_like 中的值用于确定负方向上的 z 轴误差条的大小。如果error_z 是 则忽略None。

  • animation_frame(str或int或Series或array-like)– 中列的名称,data_frame或 Pandas Series 或 array_like 对象。此列或array_like 中的值用于为动画帧分配标记。

  • animation_group(str或int或Series或array-like)– 中列的名称,data_frame或 Pandas Series 或 array_like 对象。来自此列或 array_like 的值用于提供跨动画帧的对象恒定性:具有匹配 “ animation_group”的行将被视为它们在每一帧中描述相同的对象。

  • category_orders(带有 str 键的字典和 str 值列表(默认{}))——默认情况下,在 Python 3.6+ 中,轴、图例和方面中分类值的顺序取决于这些值第一次遇到的顺序data_frame(并且没有3.6 以下的 Python 中默认保证顺序)。此参数用于强制对每列的值进行特定排序。这个字典的键应该对应于列名,值应该是与所需的特定显示顺序对应的字符串列表。

  • labels 标签(带有 str 键和 str 值的字典(默认{}))——默认情况下,列名在图中用于轴标题、图例条目和悬停。这个参数允许它被覆盖。此字典的键应对应于列名,值应对应于要显示的所需标签。

  • size_max (int (default 20)) – 使用时设置最大标记大小size。

  • color_discrete_sequence(str 列表)——字符串应该定义有效的 CSS 颜色。当color设置为 并且相应列中的值不是数字时,该列中的值通过color_discrete_sequence 按 中描述的顺序循环分配颜色category_orders,除非 的值 color是 中的键color_discrete_map。plotly.express.colors子模块中提供了各种有用的颜色序列,特别是plotly.express.colors.qualitative.

  • color_discrete_map(带有 str 键和 str 值的字典(默认{}))——字符串值应该定义有效的 CSS-colors 用于覆盖 color_discrete_sequence以将特定颜色分配给与特定值对应的标记。键入的color_discrete_map应该是由 表示的列中的值color。或者,如果 的值color是有效颜色,则’identity’可以传递字符串以直接使用它们。

  • color_continuous_scale ( str 列表) – 字符串应该定义有效的 CSS-colors 当 由 表示的列color包含数字数据时,此列表用于构建连续的颜色比例。plotly.express.colors子模块中提供了各种有用的色阶 ,特别 plotly.express.colors.sequential是plotly.express.colors.diverging 和plotly.express.colors.cyclical。

  • range_color(两个数字的列表)– 如果提供,则覆盖连续色标上的自动缩放。

  • color_continuous_midpoint (number (default None)) – 如果设置,计算连续色标的边界以获得所需的中点。使用plotly.express.colors.diverging色阶作为 的输入时, 建议设置此值 color_continuous_scale。

  • symbol_sequence(str 列表)——字符串应该定义有效的 plotly.js 符号。当symbol被设置时,该列中的值由通过循环分配的符号 symbol_sequence中的顺序描述category_orders,除非的值symbol是在一个关键symbol_map。

  • symbol_map(带有 str 键和 str 值的字典(默认{}))——字符串值应该定义 plotly.js 符号 用于覆盖symbol_sequence以将特定符号分配给与 特定值对应的标记。键入的symbol_map应该是由 表示的列中的值symbol。或者,如果 的值symbol 是有效的符号名称,则’identity’可以传递字符串以直接使用它们。

  • opacity ( float ) – 介于 0 和 1 之间的值。设置标记的不透明度。

  • log_x (boolean (default False)) – 如果True,x 轴在笛卡尔坐标中对数缩放。

  • log_y (boolean (default False)) – 如果True,y 轴在笛卡尔坐标中对数缩放。

  • log_z (boolean (default False)) – 如果True,z 轴在笛卡尔坐标中对数缩放。

  • range_x(两个数字的列表)– 如果提供,则覆盖笛卡尔坐标中 x 轴上的自动缩放。

  • range_y(两个数字的列表)– 如果提供,则覆盖笛卡尔坐标中 y 轴上的自动缩放。

  • range_z(两个数字的列表)– 如果提供,则覆盖笛卡尔坐标中 z 轴上的自动缩放。

  • title ( str ) – 图形标题。

  • template 模板(str或dict或plotly.graph_objects.layout.Template 实例)——图形模板名称(必须是 plotly.io.templates 中的一个键)或定义。

  • width (int (default None)) – 以像素为单位的图形宽度。

  • height (int (default None)) – 以像素为单位的图形高度。

三、返回类型

plotly.graph_objects.Figure

四、实例

4.1 在三维空间中绘制单个数据

由于标记的颜色,可以表示数据的第 4 维

import plotly.express as px
df = px.data.iris()
fig = px.scatter_3d(df, x='sepal_length', y='sepal_width', z='petal_width',
              color='species')
fig.show()

【Python百日进阶-数据分析】Day325 - plotly.express.scatter_3d():3D散点图

4.2 使用列中的值将符号分配给标记

import plotly.express as px
df = px.data.iris()
fig = px.scatter_3d(df, x='sepal_length', y='sepal_width', z='petal_width',
                    color='petal_length', symbol='species')
fig.show()

【Python百日进阶-数据分析】Day325 - plotly.express.scatter_3d():3D散点图

4.3 3d 散点图样式

可以通过px.scatter_3d某些选项的参数来自定义图形的样式,或者通过 更新图形的轨迹或布局fig.update。

import plotly.express as px
df = px.data.iris()
fig = px.scatter_3d(df, x='sepal_length', y='sepal_width', z='petal_width',
              color='petal_length', size='petal_length', size_max=18,
              symbol='species', opacity=0.7)

# tight layout
fig.update_layout(margin=dict(l=0, r=0, b=0, t=0))

【Python百日进阶-数据分析】Day325 - plotly.express.scatter_3d():3D散点图

4.4 Dash 中的 3d 散点图

Dash是使用 Plotly 图形在 Python 中构建分析应用程序的最佳方式。

import dash
from dash import dcc,html
from dash.dependencies import Input, Output
import plotly.express as px

df = px.data.iris()

app = dash.Dash(__name__)

app.layout = html.Div([
    dcc.Graph(id="scatter-plot"),
    html.P("Petal Width:"),
    dcc.RangeSlider(
        id='range-slider',
        min=0, max=2.5, step=0.1,
        marks={0: '0', 2.5: '2.5'},
        value=[0.5, 2]
    ),
])

@app.callback(
    Output("scatter-plot", "figure"),
    [Input("range-slider", "value")])
def update_bar_chart(slider_range):
    low, high = slider_range
    mask = (df.petal_width > low) & (df.petal_width < high)

    fig = px.scatter_3d(df[mask],
        x='sepal_length', y='sepal_width', z='petal_width',
        color="species", hover_data=['petal_width'])
    return fig
app.run_server(debug=True)

【Python百日进阶-数据分析】Day325 - plotly.express.scatter_3d():3D散点图文章来源地址https://www.toymoban.com/news/detail-444281.html

到了这里,关于【Python百日进阶-数据分析】Day325 - plotly.express.scatter_3d():3D散点图的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 使用Yfinance和Plotly分析金融数据

    大家好,今天我们用Python分析金融数据,使用Yfinance和Plotly绘制图表,带你了解在Python中使用Plotly制作图表,利用Plotly强大的图表功能来分析和可视化金融数据。 导语 在本文中,我们将深入研究Plotly,从而高效绘制和分析金融数据。我们将探讨Plotly基础的图表功能,以及如何

    2024年02月13日
    浏览(48)
  • 超市零售数据可视化分析(Plotly 指南)

    CSDN 上不能插入 HTML,可以在 GitHub Page 上查看: https://paradiseeee.github.io/2022/07/30/超市零售数据可视化分析/ 项目首次发布于 Kesci 上 – 超市零售数据分析。感兴趣的可以直接上去 Fork 之后自己做。由于上面只能用 Jupyter Notebook,而且还没有权限 DIY 工作环境,于是线下重新做一

    2024年02月11日
    浏览(56)
  • 【Python爬虫与数据分析】进阶语法

    目录 一、异常捕获 二、迭代器 三、拆包、聚合、映射 四、filter() 函数 五、匿名函数 六、闭包 七、装饰器 异常捕获可增强程序的健壮性,即程序在遇到遇到异常的时候并不会做中断处理,而是会将异常抛出,由程序员来分析异常和做异常处理。 迭代器通常用于数据结构对

    2024年02月12日
    浏览(43)
  • 【100天精通Python】Day51:Python 数据分析_数据分析入门基础与Anaconda 环境搭建

    目录 1 科学计算和数据分析概述 2. 数据收集和准备 2.1 数据收集 2.1.1  文件导入:

    2024年02月10日
    浏览(46)
  • python数据分析学习day08:柱状图

    柱状图是一种用矩形柱来表示数据分类的图表。 柱状图可以垂直绘制,也可以水平绘制。 它的高度与其所表示的数值成正比关系。 柱状图显示了不同类别之间的比较关系,图表的水平轴 X 指定被比较的类别,垂直轴 Y 则表示具体的类别值 x 表示x坐标,数据类型为float类型,

    2024年02月09日
    浏览(41)
  • Python数据分析之Pandas核心使用进阶

    在Pandas中,有两种常见的方法可以进行DataFrame的行级遍历:使用 iterrows() 和使用 iteritems() 。 使用 iterrows() 方法: iterrows() 方法返回一个迭代器,可以按行遍历DataFrame。每次迭代返回一个包含行索引和该行数据的元组。 输出结果为: 在上面的例子中,我们使用 iterrows() 方法遍

    2024年02月11日
    浏览(75)
  • 大数据教材推荐|Python数据挖掘入门、进阶与案例分析

      主   编: 卢滔,张良均,戴浩,李曼,陈四德 出版社: 机械工业出版社 内容提要 本书从实践出发,结合11个 “泰迪杯” 官方推出的赛题,按照赛题的难易程度进行排序,由浅入深地介绍数据挖掘技术在 商务、教育、交通、传媒、旅游、电力、制造业等行业的应用 。因

    2024年02月10日
    浏览(37)
  • 【100天精通Python】Day56:Python 数据分析_Pandas数据清洗和处理

    目录 数据清洗和处理 1.处理缺失值 1.1 删除缺失值: 1.2  填充缺失值: 1.3 插值: 2 数据类型转换 2.1 数据类型转换 2.2 日期和时间的转换: 2.3 分类数据的转换: 2.4 自定义数据类型的转换: 3 数据去重 4 数据合并和连接 数据清洗和处理         在数据清洗和处理方面,

    2024年02月09日
    浏览(67)
  • 【100天精通Python】Day55:Python 数据分析_Pandas数据选取和常用操作

    目录 Pandas数据选择和操作 1 选择列和行 2 过滤数据 3 添加、删除和修改数据

    2024年02月09日
    浏览(62)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包