Plotly 기본¶

학습 내용¶

  • 반응형 브라우저 기반 시각화 라이브러리(plotly)를 소개하고 실습해 본다.

plotly로 시각화하기¶

  • cufflinks와 iplot()을 활용. pandas.plot()와 같이 판다스 데이터 시각화
  • plotly.express 라이브러리 활용
  • cufflinks 는 무엇인가?
    • 판다스 데이터 프레임과 Plotly를 연결하여 사용자가 판다스로부터 직접 시각화를 할 수 있는 라이브러리

01 시작하기 - 설치(Plotly and Cufflinks)¶

  • pip install plotly
  • pip install cufflinks
  • 자료 실행 버전
    • plotly 5.6.0
    • cufflinks 0.17.3
    • python 3.9.12
  • 버전 지정 설치 시,
    • pip install plotly==4.10.0
    • conda install -c plotly plotly==4.1.0
In [1]:
import plotly
import cufflinks as cf
import pandas as pd
import numpy as np
import sys

프로그램 버전 확인¶

In [3]:
print(sys.version)
print(plotly.__version__)
print(cf.__version__)
print(pd.__version__)
print(np.__version__)

3.9.12 (main, Apr  4 2022, 05:22:27) [MSC v.1916 64 bit (AMD64)]
5.6.0
0.17.3
1.4.2
1.21.5
In [4]:
# 오프라인 모드에서도 인터렉티브한 그래픽을 가능하도록 하기
# Enabling the offline mode for interactive plotting locally
from plotly.offline import download_plotlyjs,init_notebook_mode,plot,iplot
init_notebook_mode(connected=True)
cf.go_offline()

데이터 생성 및 plot¶

In [36]:
# 데이터 만들기
dat = np.random.randn(50,4) # 50개 4개 컬럼
df = pd.DataFrame(dat, columns='A B C D'.split())
print(df.shape)
df.head()

(50, 4)
Out[36]:
A B C D
0 1.795314 0.354644 0.208492 -0.853836
1 1.144684 0.661491 -1.096486 0.157183
2 -1.331844 -1.121284 0.004359 -1.015948
3 2.342148 1.195937 -0.743732 -0.580941
4 0.647516 -0.469113 1.490221 -0.584984

02 Line Plot 그려보기¶

In [37]:
df[ ['A', 'B'] ].iplot(kind='line')
In [38]:
df.iplot(kind='line', xTitle="x축", yTitle="y축", title="데이터 제목")
In [39]:
df.iplot(kind='scatter', x='A',y='B',mode='markers',size=20)

Scatter Plot¶

  • scatter Plot을 위한 mode
    • lines
    • markers
    • lines+markers
    • lines+text
    • markers+text
    • lines+markers+text
In [43]:
df.iplot(kind='scatter', 
         x='A',y='B',
         mode='markers', 
         size=20,          # 크기
         color='#3f9142', # 색
         symbol=20)      # 점의 표시
In [44]:
df2 = pd.DataFrame({'items':['bag','apple','cap'],
                    'Values':[32,43,50,]})
df2
Out[44]:
items Values
0 bag 32
1 apple 43
2 cap 50

Bar Plot¶

In [45]:
df2
Out[45]:
items Values
0 bag 32
1 apple 43
2 cap 50
In [46]:
df2.iplot(kind='bar',x='items',y='Values')
In [47]:
df = pd.DataFrame(np.random.rand(10,3),
                  columns=['A', 'B', 'C'])
df.head()
Out[47]:
A B C
0 0.789214 0.188631 0.558508
1 0.087561 0.376575 0.144793
2 0.434154 0.358793 0.722729
3 0.901232 0.570671 0.526448
4 0.720390 0.154980 0.847210
In [48]:
# 0,1,2,3,4에 대한 A,B,C의 값
df.iplot(kind='bar')

A컬럼만 보기¶

In [49]:
df['A'].iplot(kind='bar')

Stack plot¶

In [50]:
df.iplot(kind='bar', barmode='stack')

수평 막대 그래프¶

In [52]:
df.iplot(kind='barh', barmode='stack')

Boxplot¶

In [53]:
df.iplot(kind='box')

3D Surface Plot¶

In [54]:
df3 = pd.DataFrame({'x':[1,2,3,4,5],
                    'y':[10,20,30,40,60],
                    'z':[5,4,3,2,1]})
df3
Out[54]:
x y z
0 1 10 5
1 2 20 4
2 3 30 3
3 4 40 2
4 5 60 1
In [55]:
df3.iplot(kind='surface',colorscale='rdylbu')

cufflinks.datagen module¶

  • ref : https://jpoles1.github.io/cufflinks/html/cufflinks.datagen.html
  • datagen.lines : scatter(lines) plot을 위한 데이터 프레임 반환
  • cufflinks.datagen.lines(n_traces=5, n=100, ...)
    • n_traces:int -> tracds의 수
    • n : 각각의 점의 수

Line Charts¶

In [56]:
df = cf.datagen.lines()  
df.shape
Out[56]:
(100, 5)
In [57]:
df.head(13)
Out[57]:
XYU.TT CIX.NU JBA.NI MLO.BS XHT.PN
2015-01-01 0.184927 2.171877 0.964836 0.470304 -0.655137
2015-01-02 0.689656 1.479998 1.206208 0.499690 -0.020399
2015-01-03 0.649151 1.582318 1.235998 0.971387 0.475011
2015-01-04 -0.029342 1.714909 1.639274 1.691653 1.336021
2015-01-05 0.075288 1.429631 3.053898 2.331488 2.750114
2015-01-06 0.170091 0.152632 3.314450 1.480077 1.732689
2015-01-07 0.544495 0.710863 4.471726 -0.238790 0.461243
2015-01-08 1.312028 -0.088384 3.482218 1.203644 0.990346
2015-01-09 0.018649 -0.573471 3.206584 1.058521 2.023526
2015-01-10 0.308142 0.097888 2.642304 3.135890 1.931340
2015-01-11 2.460953 -0.551436 1.893967 4.630392 1.629478
2015-01-12 3.275820 -0.642213 0.742785 2.274207 1.300788
2015-01-13 3.948288 -0.578341 1.094794 2.862953 0.520975
In [58]:
df.iplot(kind='line')
In [59]:
print(df.shape)
df.head(10)

(100, 5)
Out[59]:
XYU.TT CIX.NU JBA.NI MLO.BS XHT.PN
2015-01-01 0.184927 2.171877 0.964836 0.470304 -0.655137
2015-01-02 0.689656 1.479998 1.206208 0.499690 -0.020399
2015-01-03 0.649151 1.582318 1.235998 0.971387 0.475011
2015-01-04 -0.029342 1.714909 1.639274 1.691653 1.336021
2015-01-05 0.075288 1.429631 3.053898 2.331488 2.750114
2015-01-06 0.170091 0.152632 3.314450 1.480077 1.732689
2015-01-07 0.544495 0.710863 4.471726 -0.238790 0.461243
2015-01-08 1.312028 -0.088384 3.482218 1.203644 0.990346
2015-01-09 0.018649 -0.573471 3.206584 1.058521 2.023526
2015-01-10 0.308142 0.097888 2.642304 3.135890 1.931340

테마설정¶

In [60]:
themes = cf.getThemes()
themes
Out[60]:
['ggplot', 'pearl', 'solar', 'space', 'white', 'polar', 'henanigans']
In [61]:
data = pd.Series(range(10))
for theme in themes:
 data.iplot(kind='bar', theme=theme, title=theme)
In [62]:
data.iplot(kind='bar', theme="ggplot", title="ggplot")
In [63]:
data.iplot(kind='bar', theme="pearl", title="pearl")
In [64]:
data.iplot(kind='bar', theme="solar", title="solar")
In [65]:
data.iplot(kind='bar', theme="space", title="space")
In [66]:
data.iplot(kind='bar', theme="white", title="white")
In [67]:
data.iplot(kind='bar', theme="polar", title="polar")
In [68]:
data.iplot(kind='bar', theme="henanigans", title="henanigans")

REF¶

  • cufflinks.datagen module
  • https://jpoles1.github.io/cufflinks/html/cufflinks.datagen.html (https://jpoles1.github.io/cufflinks/html/cufflinks.datagen.html)