Python Plotly中使用graph_objects类制作直方图

直方图是数据集分布的图形表示，可以使用Python库Plotly创建，该库有一个称为graph_objects的类，可以使用它创建直方图。直方图有助于了解数据集的形状，包括异常值、中心趋势和分散程度。

Plotly是一个Python库，可以创建各种格式的交互式可视化，包括散点图、折线图和直方图。graph_objects类提供了一个高级接口，用于创建一些复杂的图表，并允许我们自定义绘图的每个方面。在本文中，我们将探讨如何使用Plotly的graph_objects类创建直方图。

plotly.graph_object类

graph_objects类是Plotly的一个子库，允许用户使用更面向对象的方法创建和修改可视化。使用graph_objects，用户可以创建一个Figure对象，并将各种图表类型作为Traces添加到其中。例如，要使用graph_objects创建直方图，可以创建一个Figure对象，并在其中添加一个Histogram trace。

名为graph_objects的类通常被导入为go，并包含一个自动生成的层次结构的Python类，表示图形模式中的非叶节点。术语“graph_objects”指的是这些类的实例。

语法

plotly.graph_objects.Table(arg=None, cells=None, columnorder=None, columnordersrc=None, columnwidth=None, columnwidthsrc=None, customdata=None, customdatasrc=None, domain=None, header=None, hoverinfo=None, hoverinfosrc=None, hoverlabel=None, ids=None, idssrc=None, legendgrouptitle=None, legendrank=None, legendwidth=None, meta=None, metasrc=None, name=None, stream=None, uid=None, uirevision=None, visible=None, **kwargs)

使用图形对象类在 Plotly 中绘制直方图

使用图形对象创建直方图（通过生成随机数据）

按照以下步骤，在 Plotly 中使用图形对象类创建直方图，通过使用 numpy 生成的随机数据：

• 导入 plotly.graph_objects 模块，该模块包含了我们将用来创建图表的 Histogram 类以及 Figure 类。

• 使用 numpy.random.normal 函数生成一些随机数据，该函数可以生成来自正态分布的随机数。

• 使用 Histogram 类创建直方图，并将我们的随机数据作为 x 参数传入。这将创建一个具有默认设置的直方图，稍后我们可以自定义它。

• 使用 Figure 类的 update_layout 方法为我们的图表添加坐标轴标签和标题。

• 使用 title 参数指定标题，使用 xaxis_title 和 yaxis_title 参数指定 x 轴和 y 轴标签。

• 使用 Figure 类的 show 方法在新窗口中显示我们的图表。

示例

import plotly.graph_objects as go
import numpy as np

# Generate some random data
np.random.seed(123)
x = np.random.normal(size=1000)

# Create the histogram using graph_objects
fig = go.Figure(data=[go.Histogram(x=x)])

# Add axis labels and title
fig.update_layout(
   title="Histogram of Random Data",
   xaxis_title="Value",
   yaxis_title="Count",
)

# Show the plot
fig.show()

输出

使用graph_objects创建直方图（内置数据集）

按照以下步骤使用graph_objects类和Python Seaborn库中的tips数据集创建直方图 –

• 导入必要的库，包括plotly.graph_objects模块和seaborn模块。

• 使用load_dataset(‘tips’)函数加载内置的tips数据集。

• 使用go.Histogram()函数创建四种不同类型的直方图。

• 第一个直方图是使用Total Bill列的基本直方图对象。

• 第二个直方图是使用Tip列的累积直方图对象，cumulative_enabled参数设置为True。

• 第三个直方图是使用Size列的归一化直方图对象，histnorm参数设置为’probability’。

• 第四个直方图是使用Tip和Size列的堆叠直方图对象，每列有不同的标记颜色和图例名称。

• 使用go.Figure()函数创建一个图形对象，并将所有四个直方图添加到其中。

• 使用update_layout()方法自定义图形的布局，添加标题和轴标签。

• 使用show()方法显示图形。

示例

import seaborn as s
import plotly.graph_objects as go

# Load the built-in tips dataset
d= s.load_dataset('tips')

# Create a basic histogram object using the Total Bill column
hist1 = go.Histogram(x=d['total_bill'], nbinsx=30)

# Create a cumulative histogram object using the Tip column
hist2 = go.Histogram(x=d['tip'], nbinsx=20, cumulative_enabled=True)

# Create a normalized histogram object using the Size column
hist3 = go.Histogram(x=d['size'], nbinsx=5, histnorm='probability density')

# Create a stacked histogram object using the Tip and Size columns
hist4 = go.Histogram(x=d['tip'], y=d['size'], nbinsx=10, nbinsy=5, histfunc='sum', histnorm='probability')

# Create a figure object and add all histograms to it
tfig = go.Figure(data=[hist1, hist2, hist3, hist4])

# Customize the layout of the figure
tfig.update_layout(
   title='Histograms of Tips Dataset',
   xaxis_title='Values',
   yaxis_title='Frequency',
   barmode='overlay',
   bargap=0.1,
   bargroupgap=0.1
)

# Display the figure
tfig.show()

输出

基本直方图对象使用Total Bill列−

使用Tip列的累积直方图对象

使用Size列的归一化直方图对象−

使用Tip和Size列的堆叠直方图对象−

结论

总之，Plotly中的graph_objects类为我们提供了一个优化且功能强大的工具，用于创建可自定义的可视化图形，包括直方图。我们知道使用graph_objects，我们可以轻松地使用内置数据集生成不同类型的直方图（基本、归一化、累积、堆叠），或者根据用户的创建的数据集，并根据其需求自定义条形数、图例、颜色和其他参数。生成的可视化图形是交互式的，用户可以缩放、平移和悬停在数据点上以获取更多信息。