Plotly.py 入门教程（六） - 气泡图

2024-02-19 10:31:31

入门教程（一）：快速上手
 入门教程（二）：散点图与折线图
 入门教程（三）：折线图
 入门教程（四） - 柱状图
 入门教程（五） - 饼图

文章目录

用 Plotly Express 绘制气泡图

气泡图是一种将第三维度以标记大小展示的散点图，对于其他类型的散点图，请查阅散点图文档。

我们先展示一个使用 Plotly Express 绘制的气泡图，标签的大小由 size 参数指定的数据列决定。

from plotly import express as px

df = px.data.gapminder()
fig = px.scatter(df.query("year==2007"), x="gdpPercap", y="lifeExp",
	               size="pop", color="continent",
                 hover_name="country", log_x=True, size_max=60)
fig.show()

用 Graph Objects 绘制气泡图

如果 Plotly Express 没法让你很好地上手，也可以使用 plotly.graph_objects 中更通用的 go.Scatter 类，指定标记的大小来创建气泡图。所有可用的选项都在参考手册 - 散点图中有所描述。

简单气泡图

from plotly import graph_objects as go

fig = go.Figure(data=[go.Scatter(
    x=[1, 2, 3, 4], y=[10, 11, 12, 13],
    mode='markers', marker_size=[40, 60, 80, 100])
])
fig.show()

设置标签大小与颜色

fig = go.Figure(data=[go.Scatter(
    x=[1, 2, 3, 4], y=[10, 11, 12, 13],
    mode='markers', marker=dict(
        # 以 RGB 三元组形式指定颜色
        color=['rgb(93, 164, 214)', 'rgb(255, 144, 14)',
               'rgb(44, 160, 101)', 'rgb(255, 65, 54)'],
        # 指定标记透明度和大小
        opacity=[1, 0.8, 0.6, 0.4], size=[40, 60, 80, 100],
    )
)])
fig.show()

缩放气泡图的大小

为了对气泡的大小进行缩放，请使用 sizeref 属性。我们建议使用以下公式来计算 sizeref 值，其中 S S S 是计算得到的 sizeref 值， s max ⁡ s_{\max} smax 是指定 size 数组中的最大值：

S = 2 s max ⁡ ( s max ⁡ ) 2 S = \frac{2 s_{\max}}{(s_{\max})^2} S=(smax)22smax

::: warning
请注意，将 sizeref 值设置为大于 1 1 1 的值会减小渲染后标记的大小，设置为小于 1 1 1 的值会增大标记的大小¹。除此之外，我们还建议将 sizemode 属性设置为 area ²。
:::

size = [20, 40, 60, 80, 100, 80, 60, 40, 20, 40]
fig = go.Figure(data=[go.Scatter(
    x=[1, 2, 3, 4, 5, 6, 7, 8, 9, 10],
    y=[11, 12, 10, 11, 12, 11, 12, 13, 12, 11],
    mode='markers', marker=dict(
        size=size,
        sizemode='area',
        sizeref=2.*max(size)/(40.**2),
        si*=4
    )
)])
fig.show()

气泡图上的悬浮文本

fig = go.Figure(data=[go.Scatter(
    x=[1, 2, 3, 4], y=[10, 11, 12, 13], mode='markers',
    text=['A<br />size: 40', 'B<br />size: 60', 'C<br />size: 80', 'D<br />size: 100'],
    marker=dict(color=['rgb(93, 164, 214)', 'rgb(255, 144, 14)', 
                       'rgb(44, 160, 101)', 'rgb(255, 65, 54)'],
                size=[40, 60, 80, 100])
)])
fig.show()

带有色阶的气泡图

fig = go.Figure(data=[go.Scatter(
    x=[1, 3.2, 5.4, 7.6, 9.8, 12.5],
    y=[1, 3.2, 5.4, 7.6, 9.8, 12.5],
    mode='markers', marker=dict(
        color=[120, 125, 130, 135, 140, 145],
        size=[15, 30, 55, 70, 90, 110],
        showscale=True      # 在侧边显示色阶柱
    )
)])
fig.show()

分类气泡图

import pandas as pd
import math

# 加载数据集
data = px.data.gapminder()
df_2007 = data[data['year'] == 2007]
df_2007 = df_2007.sort_values(['continent', 'country'])

# 定义悬浮文本和气泡大小
hover_text = []
bubble_size = []
for index, row in df_2007.iterrows():
    hover_text.append(
        f"Country: {row['country']}<br />"
        f"Life Expectancy: {row['lifeExp']}<br />"
        f"GDP per capita: {row['gdpPercap']}<br />"
        f"Population: {row['pop']}<br />"
        f"Year: {row['year']}"
    )
    bubble_size.append(math.sqrt(row['pop']))
df_2007['text'] = hover_text
df_2007['size'] = bubble_size
sizeref = 2.0 * max(df_2007['size']) / (100 ** 2)

# 与各大陆对应的数据集
continent_names = ['Africa', 'Americas', 'Asia', 'Europe', 'Oceania']
continent_data = {
    continent: df_2007.query(f"continent == '{continent}'")
    for continent in continent_names
}

# 创建图表
fig = go.Figure()
for continent_name, continent in continent_data.items():
    fig.add_trace(go.Scatter(
        x=continent['gdpPercap'], y=continent['lifeExp'],
        name=continent_name, text=continent['text'],
        marker_size=continent['size'],
    ))

# 调整气泡外观和布局
fig.update_traces(mode='markers', marker=dict(
    sizemode='area', sizeref=sizeref, line_width=2
))
fig.update_layout(
    title='Life Expectancy v. Per Capita GDP, 2007',
    xaxis=dict(title='GDP per capita (2000 dollars)',
               gridcolor='white', type='log', gridwidth=2),
    yaxis=dict(title='Life Expectancy (years)',
               gridcolor='white', gridwidth=2),
    paper_bgcolor='rgb(243, 243, 243)',
    plot_bgcolor='rgb(243, 243, 243)'
)
fig.show()

参考

请参阅散点图 - Python 图表参考获取更多信息和图表属性选项。

请查阅属性参考手册以获取更多信息。 ↩︎
请查阅属性参考手册。 ↩︎

码农公寓