散点图、Scattergl 图和气泡图

本章重点介绍散点图、散点图和气泡图的详细信息。首先，让我们研究一下散点图。

散点图

散点图用于 绘制数据 水平轴和垂直轴上的点以显示一个变量如何影响另一个变量。数据表中的每一行都由一个标记表示，该标记的位置取决于其在设置的列中的值 X and Y axes.

The 分散() graph_objs 模块的方法 (go.Scatter) 产生一个散射轨迹。在这里， mode 属性决定数据点的外观。 mode 的默认值是 lines，它显示连接数据点的连续线。如果设置为 markers ，仅显示由实心小圆圈表示的数据点。当模式被指定为“线条+标记”时，圆圈和线条都会显示。

在以下示例中，绘制了笛卡尔坐标系中三组随机生成点的散点轨迹。下面解释了以不同模式属性显示的每条迹线。

import numpy as np
N = 100
x_vals = np.linspace(0, 1, N)
y1 = np.random.randn(N) + 5
y2 = np.random.randn(N)
y3 = np.random.randn(N) - 5
trace0 = go.Scatter(
    x = x_vals,
    y = y1,
    mode = 'markers',
    name = 'markers'
)
trace1 = go.Scatter(
    x = x_vals,
    y = y2,
    mode = 'lines+markers',
    name = 'line+markers'
)
trace2 = go.Scatter(
    x = x_vals,
    y = y3,
    mode = 'lines',
    name = 'line'
)
data = [trace0, trace1, trace2]
fig = go.Figure(data = data)
iplot(fig)

的输出 Jupyter 笔记本单元格 如下：

散点图

WebGL (Web Graphics Library) 是一个用于渲染交互的 JavaScript API 2D and 3D图形 在任何兼容的网络浏览器中，无需使用插件。 WebGL 与其他 Web 标准完全集成，允许图形处理单元 (GPU) 加速使用图像处理。

Plotly 你可以用 散点图() 代替 Scatter() 以提高速度、改进交互性以及绘制更多数据的能力。这 go.scattergl() 当涉及大量数据点时，该功能可提供更好的性能。

import numpy as np
N = 100000
x = np.random.randn(N)
y = np.random.randn(N)
    trace0 = go.Scattergl(
    x = x, y = y, mode = 'markers'
)
data = [trace0]
layout = go.Layout(title = "scattergl plot ")
fig = go.Figure(data = data, layout = layout)
iplot(fig)

输出如下：

气泡图

气泡图显示数据的三个维度。每个实体及其关联数据的三个维度被绘制为 disk (气泡)表示通过圆盘的两个维度 xy位置 第三个通过它的大小。气泡的大小由第三个数据系列中的值决定。

气泡图 是散点图的变体，其中数据点被替换为气泡。如果你的数据具有如下所示的三个维度，则创建气泡图将是一个不错的选择。

气泡图是用 go.Scatter() 痕迹。上述数据系列中的两个作为 x 和 y 属性给出。第三个维度由标记显示，其大小代表第三个数据系列。在上述情况下，我们使用 products and sale as x and y 属性和 市场份额 as 标记大小 .

在 Jupyter 笔记本中输入以下代码。

company = ['A','B','C']
products = [13,6,23]
sale = [2354,5423,4251]
share = [23,47,30]
fig = go.Figure(data = [go.Scatter(
    x = products, y = sale,
    text = [
        'company:'+c+' share:'+str(s)+'%'
        for c in company for s in share if company.index(c)==share.index(s)
    ],
    mode = 'markers',
    marker_size = share, marker_color = ['blue','red','yellow'])
])
iplot(fig)

输出将如下图所示：