Библиотека Plotly в Python

Plotly (в URL-адресе Plot.ly) – технологическая компания, базирующаяся в Монреале. Она известна разработкой и предоставлением инструментов онлайн-аналитики, статистики и построения графиков для частных лиц или компаний. Также разрабатывает и предоставляет библиотеки научного построения графиков для Arduino, Julia, MATLAB, Perl, Python, R и REST.

Библиотека графиков

Библиотека Plotly в Python делает интерактивные графики онлайн и позволяет нам сохранять их в автономном режиме, если это необходимо.

Почему стоит выбрать Plotly?

У Plotly есть несколько удивительных функций, которые делают его лучше, чем другие графические библиотеки:

• По умолчанию он интерактивен.
• Диаграммы не сохраняются как изображения, а сериализуются как JSON, что делает их открытыми для чтения с помощью R, MATLAB, Julia и других.
• Вектор экспорта для печати и публикации.
• Легко манипулировать и встраивать в Интернет.

Начало работы

Нам нужен PIP (установщик пакетов в python), чтобы начать работать с plotly, нам также нужно будет создать учетную запись на случай, если мы захотим использовать онлайн-возможности. В этом уроке мы будем использовать только офлайн.

Установка

Чтобы установить plotly, откройте окно терминала и выполните следующую команду:

Это может занять несколько минут, чтобы собрать зависимости и загрузить их:

Использование

Чтобы использовать plotly в любом из скриптов Python, нам нужно будет импортировать plotly как:

Еще несколько шагов, и вы готовы к работе. Для использования в сети вам необходимо настроить учетные данные. Это можно сделать так:

Для автономного использования нам нужно вызвать plot, как показано ниже, для автономного использования:

Тестовая установка

Прежде чем мы сможем начать использовать plotly, давайте протестируем его установку с помощью простого скрипта:

Давайте посмотрим на результат этой программы:

Как и ожидалось, возвращается последняя версия plotly.

Создание простого графика

Начнем с простой программы «Hello, World» с примером фрагмента кода:

Давайте посмотрим на результат этой программы:

Как ясно видно, этот график сохраняется как файл HTML в том же каталоге, что и сценарий.

Базовые диаграммы

Чтобы начать визуализацию данных, мы начнем с базовых диаграмм с использованием Plotly, а затем перейдем к более сложным примерам, которые показывают построение графиков, связанных со временем.

Точечная диаграмма

Мы создадим базовую диаграмму на основе некоторых случайных данных с помощью numpy. Если numpy не установлен на вашем компьютере, установите его с помощью этой команды:

Вот пример программы, показывающей диаграмму рассеяния:

Давайте посмотрим на результат этой программы:

В этом сценарии мы также предоставили имя для HTML-файла.

Линия и точечная диаграмма

Мы можем создать более сложные и информативные графики, такие как график линейного разброса, аналогичным образом, как указано выше:

Давайте посмотрим на результат этой программы:

Этот график намного информативнее, чем кажется сейчас. Наведите указатель мыши на любую точку на графике, и вы увидите дополнительную информацию об этой точке:

Коробчатые графики

Коробчатые диаграммы довольно информативны и полезны, особенно когда вам нужно показать слишком много из очень небольшого количества данных. Попробуем создать:

Давайте посмотрим на результат этой программы:

Мы снова переместили указатель мыши на одну из точек, чтобы изучить дополнительную информацию об этой точке.

Контурные графики

Контурные графики – одни из наиболее часто используемых научных графиков:

Давайте посмотрим на результат этой программы:

Такие графики часто используются при отображении данных тепловой карты.

Финансовые графики

Финансовые графики намного сложнее читать, но их легко создавать с помощью Plotly. Давайте посмотрим, какие типы диаграмм можно создать с помощью Plotly.

График временных рядов

Начнем с графика временных рядов. Мы будем использовать образцы данных самого Plotly, которые обслуживаются репозиторием Github. Вот пример программы:

Давайте посмотрим на результат этой программы:

Если pandas не установлен ​​на вашем компьютере, установите его с помощью этой команды:

График OHLC

Диаграммы OHLC также являются отличным способом объяснить данные, относящиеся к временным рядам, для неравномерного распределения. Посмотрим на фрагмент кода:

Посмотрим на результат этой программы:

Заключение

В этом уроке мы изучили еще одну отличную библиотеку Plotly в Python, которая используется для визуализации и автономного использования.

Интерактивная визуализация данных при помощи Plotly: строим красивые графики с Express и Cufflinks

Если Вы все еще используете Matplotlib для создания графиков в Python, самое время взглянуть на мир с высоты альтернативной библиотеки интерактивной визуализации.

Plotly позволяет создавать красивые, интерактивные, экспортируемые графики с помощью всего нескольких строк кода. Однако без карты подъем в гору Plotly может быть медленным и мучительным.

Вот камни преткновения, которые могут появиться на пути авантюристов, решивших покорить эту гору:

• непонятная начальная настройка для работы оффлайн без аккаунта;
• неимоверное количество строк кода;
• устаревшая документация;
• множество различных инструментов Plotly, в которых можно заблудиться (Dash, Express, Chart Studio и Cufflinks).

Несколько раз попытавшись вскарабкаться на эту гору, я все же нашел карту, снаряжение и короткую тропинку к вершине. В этой статье я укажу вам путь, рассказав как начать работу в оффлайн-режиме, как создавать графики, а потом их корректировать, куда обратиться за помощью и какими инструментами пользоваться.

Plotly

Данная программа была создана одноименной компанией, владеющей множеством программ с открытым исходным кодом для создания интерактивных графиков и чартов. Зарабатывает компания за счет предоставления расширенного пакета функций своих программ. Также за отдельную плату она предлагает настроить Ваш собственный хостинг. Компания базируется в Монреале с офисом в Бостоне.

Plotly.py основывается на JavaScript-библиотеке D3.js. Также в Plotly есть API-обертки для R, Julia и многих других языков программирования. Стоит отметить, что документация представлена не на всех языках.

Примеры библиотек от Plotly

В этой статье мы остановимся на опциях, которые используют Python. Я использую Python 3.7 и последующие версии библиотеки в данном руководстве.

Убедитесь, что используется cufflinks 0.15 (0.13 не очень дружит с последними обновлениями Plotly).
ПРАВКА (май 2020): самая свежая версия Plotly — 4.7.1. Большая часть представленных ниже инструкций все так же применима к последней версии программы. Обратите внимание, что экспресс-модуль импортируется как часть пакета Plotly.

plotly.py

Несмотря на то что написано в некоторых инструкциях, создавать аккаунт для пользования Plotly не нужно, как и не нужно работать в онлайн-режиме.

Установите простой модуль plotly.py с conda или воспользуйтесь pip install plotly .

Импортируйте модуль и сконфигурируйте его для использования в оффлайн-режиме:

Теперь программа не будет требовать у Вас создать аккаунт. Так мы и преодолели первую преграду на пути к вершине горы Plotly.

Вот пример интерактивного Plotly-графика с земным шаром, которая позволяет изменять тип проекции и расположение с помощью слайдеров. Вы можете сами оценить возможность взаимодействия с данной схемой здесь.

Ниже представлено объемное описание кода, адаптированного из документации, необходимой для создания такого витиеватого графика.

Не уверена, как этот пример сюда запихнуть, не размазав его по нескольким страницам.

Главное, почему стоит избегать работы с “ванильным” модулем plotly.py, — громоздкость данных. Процесс вбивания кода выходит очень длительным и часто приводит к ошибкам. К счастью, из данной ситуации есть два выхода.

Если нам все же не удалось свернуть с тропинки ploty.py, то придется порыться в конструкторе. Официальная документация выглядит красиво, но часто все равно приходится часами копаться на других сайтах в поисках подходящего способа пофиксить код. У Plotly есть свой форум с неплохими советами, но многие образцы кодов не обновлены и не работают в версии 3.0. Поэтому ищите сразу образцы, совместимые с последней версией, или придется переводить их вручную.

Следующие два продукта от Plotly, на которые мы обратим внимание, предлагают высокоуровневые обертки, упрощающие программный интерфейс plotly.py. Они помогут сэкономить время, если вы работаете с библиотекой Pandas. Давайте рассмотрим их поподробнее.

Express

Модуль Plotly Express был выпущен в марте 2019 года и находится в процессе активной разработки. Компания работает над созданием условий поддержки новых графиков и собирается выпустить Plotly 4.0 летом 2019 года.

Express позволяет уменьшить код, необходимый для создания датафреймов Pandas в 10 раз. Загружать свою таблицу нужно в виде “опрятных” данных, где каждый столбец соответствует одной переменной, а каждая строка — одному наблюдению.

Установите Express с помощью pip install plotly_express .

Чтобы использовать эту библиотеку в записной книжке Jupyter, введите следующий код в командную строку:

jupyter labextension install @jupyterlab/plotly-extension

Данный код позволит создать гистограмму из таблицы с традиционным Express импортом:

Вуаля! Вы получили гистограмму по данным таблицы (вставьте свои значения там, где у меня в коде дано “my_”.

Вы можете настроить множество значений. Например, добавьте заголовок, изменив свое определение следующим образом:

Если Вы хотите поработать с конкретным параметром, то стоит вернуться к исходному графику Plotly. Допустим, Вы хотите добавить текстовые значения к столбцам в гистограмме. Для этого Вам нужно сохранить оригинальную диаграмму и указать свойства данных. Вот как это сделать:

Внимание: я нашел документацию Express! Она не отобразилась у меня на первой странице поиска в гугле, поэтому я не сразу смог ее прикрепить. Теперь она есть. Всегда пожалуйста!
Express позволяет быстро создавать разного вида диаграммы, но доступны могут быть не те, что Вам требуются. Например, нормальную гистограмму с накоплением вы сейчас врядли сможете собрать. А если очень надо, то придется подниматься в гору по другой тропинке — в этот раз с Cufflinks.

Cufflinks

Cufflinks очень похож на Express тем, что является оберткой интерфейса Plotly, позволяющей упростить работу с Pandas. Cufflinks — сторонняя программа с открытым исходным кодом, которая существует уже более четырех лет.

Установите ее с помощью pip install cufflinks .

Импортируйте модуль и настройте файл для автономного использования.

С Cufflinks для создания многих видов диаграмм нужна лишь одна строчка кода. К примеру, сделать гистограмму с накоплением с этой библиотекой проще простого.

Пример гистограммы с накоплением, созданной с помощью Cufflinks.

А вот и сам код:

Обратите внимание, что для создания диаграмм с помощью Cufflinks Вам нужно использовать .iplot() .

Как и Express, Cufflinks возвращает исходные данные, чтобы Вы могли вносить мелкие поправки. Но в отличие от Cufflinks, Вам нужно уточнить переменную asFigure=True , чтобы вернуть информацию. После этого можно обновить график точно так же, как в Express. Вот как это будет выглядеть, если Вы захотите изменить название и диапазон осей.

К сожалению, Cufflinks тоже имеет свои лимиты. Например, с помощью этой библиотеки нельзя создать график рассеяния с географическими координатами.

Сравнение трех вариантов

Далее Вы можете наблюдать сравнение кода со схожей структурой для графиков, созданных с помощью plotly.py, Express и Cufflinks.

plotly.py

Пример диаграммы рассеяния, выполненной с plotly.py

Express

Пример диаграммы рассеяния, выполненной с Plotly Express

Выглядит просто и лаконично! Форматирование по умолчанию немного отличается, а названия осей генерируются автоматически. Теперь предлагаю взглянуть на тот же график в Cufflinks.

Cufflinks

Пример диаграммы рассеяния, выполненной с Cufflinks

Код похож на Express, но у графика немного другие значения по умолчанию. Определенно, с Express и Cufflinks Вам не придется часами выстукивать коды, что особенно важно при создании более сложных графиков.

Давайте посмотрим, как можно вернуть и обратиться к основной информации.

Обновление графиков Cufflinks и Express

Давайте перейдем к макету графика, созданного с Cufflinks, и добавим названия осей.

Пример диаграммы рассеяния, выполненной с Cufflinks — Доступ к исходному графику

Вот как сделать то же самое с Express. Не забывайте, что в данной библиотеке не нужно уточнять asFigure=True .

Пример диаграммы рассеяния, выполненной с Plotly Express — Доступ к исходному графику

Вы можете обратиться к исходным данным, чтобы добавить текстовые метки следующего вида:

Что выбрать: Plotly.py, Express или Cufflinks

Выбирать всегда сложно. Один раз я думал, что работал над частью проекта в Express, а потом понял, что это был Cufflinks!

Мне очень нравится выражение из «Zen of Python»: «Должен существовать один и, желательно, только один очевидный способ сделать это.” Как только появляются варианты — появляются и необходимость долгого поиска информации, и усталость от необходимости выбирать, и ошибки.»

К сожалению, ни один высокоуровневый API на данный момент не дает возможность создавать графики любого типа. Однако лично я точно постараюсь максимально избегать использования «ванильного» plotly.py и предпочту Cufflinks или Express.

Советую лишний раз заглянуть в документацию Express и Cufflinks, прежде чем создавать диаграмму. Не забывайте, что Express использует «опрятные» датафреймы, в то время как Cufflinks в этом плане более гибкий. Пользуйтесь той библиотекой, которая отвечает Вашим потребностям и обладает предпочтительным для Вас форматом.

Форматирование по умолчанию у двух библиотек может сильно отличаться. Например, создав датафрейм со случайными данными для столбцов X, Y и Z и используем следующий код, в Cufflinks мы получим следующую диаграмму:

Диаграмма рассеяния по умолчанию с Cufflinks

А вот что мы получим с Express-кодом:

Другие пресеты с Express

Сохранение файлов

Закончив работы с диаграммой, Вы можете навести на нее мышку и щелкнуть по значку камеры, чтобы экспортировать ее в формате .png, или нажать “Экспортировать в plot.ly, чтобы сохранить интерактивное изображение на сервер Plotly. Помимо этого, Вы можете скачать файлы в интерактивном HTML-формате следующим образом:

Если нужны другие форматы изображения, Вы можете воспользоваться пакетом orca и скачивать файлы в форматах .png, .jpg и .pdf. Данный пакет на данный момент недоступен на pypi.org, поэтому установить его с помощью pip не получится. Вы можете управлять пакетом с помощью conda или установить ОС-специфичную версию orca со страницы GitHub. После этого Вам не нужно будет импортировать библиотеку orca. Узнать больше о программе orca можно здесь.

Вот код для создания png-файла после установки orca:

Как видите, вытянуть свои графики из Plotly можно несколькими разными способами.
Предлагаю кратко пробежаться по еще двум компонентам экосистемы Plotly, чтобы Вы поняли что есть что.

С Plotly Dash Вы можете создавать дашборды для своей команды или для других людей. Есть версия с открытым кодом доступа, у которой к 1 мая 2019 года насчитывалось практически 9000 звезд GitHub. Plotly также предлагает целый ряд дополнений. Может, в будущем я напишу статью и об этом. Подписывайтесь, чтобы не пропустить.

Chart Studio

Plotly Chart Studio позволяет легко создавать и редактировать графики в браузере. Plotly рекламирует данную программу как “самый умный редактор для создания D3.js- и WebGL-диаграмм. Не надо ничего кодировать вручную”. Есть бесплатная версия, но если хотите сохранить свои графики, то придется отдать 99$ за год использования.

А теперь, когда мы уже добрались до вершины Plotly, давайте быстро пробежимся по другим горам визуализации данных в диапазоне Python.

Бонус: другие варианты библиотек визуализации данных от Python

Я не собирался в этой статье рассказать обо всех на свете программах для визуализации данных, но все же хочу упомянуть несколько довольно важных программ, о которых специалисты по работе с данными должны знать. Так Вы сможете максимально полно познакомиться с территориями, с которыми, возможно, придется работать.

Хотите делать графики по старинке — обратитесь к “ванильной” библиотеке Matplotlib API.

Pandas Matplotlib позволяет создавать неплохие простенькие графики. Может создавать стандартные Matplotlib объекты.

Seaborn — отличная высокоуровневая обертка, основанная на Matplotlib, которая позволяет создавать различные графики визуализации статистических данных. К сожалению, из-за довольно старой базы Matplotlib, использовать ее не очень удобно.

Bokeh — конкурент Plotly. Программа с открытым исходным кодом, интерактивная, работает с Python.

Holoviews — высокоуровневая обертка, работающая с Matplotlib, Bokeh, а теперь и с Plotly. Знаю ребят, которые пользуются именно ей.

Специалистам, работающим с языком R, нравится использовать Shiny от RStudio. Оно позволяет пользователям R создавать интерактивные визуализации для веб-приложений.

Tableau и Microsoft PowerBI — две популярные опции с системой перетаскивания данных визуализации, которые работают с Python. Tableau — очень даже хорошая библиотека, но за нее придется заплатить, если не хотите, чтобы Ваша работа была в открытом доступе.

На мой взгляд, PowerBI обладает менее интуитивно понятным интерфейсом, но программа все равно очень мощная и популярная.

Большинство ПО для создания интерактивных графиков используют библиотеку D3.js. Она очень популярна.

Выводы и полезные ресурсы

Если Вы являетесь специалистом по работе с данными, советую обратить внимание на Plotly. Эта программа обладает современными инструментами для создания интерактивных диаграмм. С вершины этой горы кажется, что такую мощную махину, как Plotly, в ближайшее время точно не сможет обогнать.

Возможно, когда-нибудь появится универсальная библиотека, позволяющая создавать все, что захотите, используя высокоуровневые API-опции Plotly. А пока, если хотите сэкономить время и сделать крутые графики, предлагаю обращаться к Pandas с Cufflinks или Express.

• Will Koehrsen рассказывает как начать пользоваться Cufflinks.
• Jon Measeрассказывает что можно сделать с plotly.py v3.0 на JupyterLab

Совет: когда используете в графиках цвет, не забывайте про людей с дальтонизмом. Воспользуйтесь палитрой, удобной для дальтоников. Я использую палитру от ggplot.

Узнайте подробности, как получить востребованную профессию с нуля или Level Up по навыкам и зарплате, пройдя платные онлайн-курсы SkillFactory: