Plotly：如何从长格式或宽格式的熊猫数据框制作线图？

Question

（这是一个自我回答的帖子，通过不必解释 plotly 如何最好地处理长格式和宽格式数据，帮助其他人缩短他们对 plotly 问题的答案）

---

我想在尽可能少的行中基于 Pandas 数据框构建一个情节图。我知道你可以使用 plotly.express 来做到这一点，但是这对于我称之为标准熊猫数据框的东西来说是失败的；描述行顺序的索引和描述数据框中值名称的列名：

示例数据框：

    a           b           c
0   100.000000  100.000000  100.000000
1   98.493705   99.421400   101.651437
2   96.067026   98.992487   102.917373
3   95.200286   98.313601   102.822664
4   96.691675   97.674699   102.378682

一次尝试：

fig=px.line(x=df.index, y = df.columns)

这引发了一个错误：

ValueError：所有参数都应该具有相同的长度。参数的长度y是 3，而前面的参数 ['x'] 的长度是 100`

Answer 1

在这里，您尝试使用宽格式的 Pandas 数据框作为px.line. 并且plotly.express旨在与长格式的数据帧一起使用，通常称为整洁数据（请看一看。没有人比 Wickham 更好地解释它）。许多人，尤其是那些因多年使用 Excel 而受伤的人，经常发现以宽格式组织数据更容易。那么有什么区别呢？

宽格式：

• 数据在单独的列中与每个不同的数据变量一起显示
• 每列只有一种数据类型
• 缺失值通常表示为 np.nan
• 与plotly.graphobjects ( go)搭配使用效果最佳
• 线条通常使用以下方法添加到图形中 fid.add_traces()
• 颜色通常分配给每个迹线

例子：

            a          b           c
0   -1.085631    0.997345   0.282978
1   -2.591925    0.418745   1.934415
2   -5.018605   -0.010167   3.200351
3   -5.885345   -0.689054   3.105642
4   -4.393955   -1.327956   2.661660
5   -4.828307    0.877975   4.848446
6   -3.824253    1.264161   5.585815
7   -2.333521    0.328327   6.761644
8   -3.587401   -0.309424   7.668749
9   -5.016082   -0.449493   6.806994

长格式：

• 数据显示为一列包含所有值，另一列列出值的上下文
• 缺失值根本不包含在数据集中。
• 与plotly.express ( px)一起使用效果最好
• 颜色由默认颜色循环设置并分配给每个唯一变量

例子：

    id  variable    value
0   0   a        -1.085631
1   1   a        -2.591925
2   2   a        -5.018605
3   3   a        -5.885345
4   4   a        -4.393955
... ... ... ...
295 95  c        -4.259035
296 96  c        -5.333802
297 97  c        -6.211415
298 98  c        -4.335615
299 99  c        -3.515854

怎么从宽变长？

df = pd.melt(df, id_vars='id', value_vars=df.columns[:-1])

下面的两个片段将产生完全相同的图：

如何使用 px 绘制长数据？

fig = px.line(df, x='id', y='value', color='variable')

如何使用 go 绘制宽数据？

colors = px.colors.qualitative.Plotly
fig = go.Figure()
fig.add_traces(go.Scatter(x=df['id'], y = df['a'], mode = 'lines', line=dict(color=colors[0])))
fig.add_traces(go.Scatter(x=df['id'], y = df['b'], mode = 'lines', line=dict(color=colors[1])))
fig.add_traces(go.Scatter(x=df['id'], y = df['c'], mode = 'lines', line=dict(color=colors[2])))
fig.show()

从它的外观来看，go是否更复杂并且提供了更多的灵活性？嗯，是。和不。您可以轻松地使用px并添加任何go您想要的对象来构建图形！

完整的代码片段：

import numpy as np
import pandas as pd
import plotly.express as px
import plotly.graph_objects as go

# dataframe of a wide format
np.random.seed(123)
X = np.random.randn(100,3)  
df=pd.DataFrame(X, columns=['a','b','c'])
df=df.cumsum()
df['id']=df.index

# plotly.graph_objects
colors = px.colors.qualitative.Plotly
fig = go.Figure()
fig.add_traces(go.Scatter(x=df['id'], y = df['a'], mode = 'lines', line=dict(color=colors[0])))
fig.add_traces(go.Scatter(x=df['id'], y = df['b'], mode = 'lines', line=dict(color=colors[1])))
fig.add_traces(go.Scatter(x=df['id'], y = df['c'], mode = 'lines', line=dict(color=colors[2])))
fig.show()

完整的 px 片段：

import numpy as np
import pandas as pd
import plotly.express as px
from plotly.offline import iplot

# dataframe of a wide format
np.random.seed(123)
X = np.random.randn(100,3)  
df=pd.DataFrame(X, columns=['a','b','c'])
df=df.cumsum()
df['id']=df.index

# dataframe of a long format
df = pd.melt(df, id_vars='id', value_vars=df.columns[:-1])

# plotly express
fig = px.line(df, x='id', y='value', color='variable')
fig.show()

Answer 2

您可以更改 pandas 绘图后端以使用plotly：

import pandas as pd
pd.options.plotting.backend = "plotly"

然后，要获得无花果，您需要编写的是：

fig = df.plot()

fig.show()显示上图。