时间:2021-05-22
本人在学习使用Python和plotly处理数据时,经过两个小时艰难试错,终于完成了散点图和折线图的实例。在使用过程中遇到一个大坑,因为官方给出的案例是用在线存储的,所以需要安装jupyter(也就是ipython)才能使用notebook来处理生成的文件,一开始我没太懂iplot和plot之间的差异,导致浪费了很多时间。
重要提示:最新的jupyter不支持Python3.2及以下版本。
最后我只能继续采用本地文件的形式来解决这个问题了。下面放出我的测试代码,被注释掉的是官方给出的代码以及离线存储的代码。应该是最新版的Python的方案。
#!/usr/bin/python# coding=utf-8 import plotly.plotlyimport randomfrom plotly.graph_objs import *import plotly.graph_objs as abc # 必须import numpy as np def sayHello(): N=100 xx = []; for i in range(20): xx.append(i) y0 = []; for i in range(20): y0.append(random.randint(0, 10)) y1 = []; for i in range(20): y1.append(random.randint(10, 20)) y2 = []; for i in range(20): y2.append(random.randint(20, 30)) #xx = np.linspace(0, 1, N) #y0 = np.random.randn(N) + 5 #y1 = np.random.randn(N) #y2 = np.random.randn(N) - 5 data_1 = abc.Scatter( x=xx, y=y0, name='test1', mode='markers' ) date_2 = abc.Scatter( x=xx, y=y1, name='test2', mode="lines" ) date_3 = abc.Scatter( x=xx, y=y2, name='test3', mode="lines+markers" ) ''' N = 1000 random_x = np.random.randn(N) random_y = np.random.randn(N) # Create a trace trace = abc.Scatter( x=random_x, y=random_y, mode='markers' ) data1 = [trace] ''' data1 = Data([data_1, date_2,date_3]) plotly.offline.plot(data1) #plotly.offline.iplot(data1,filename='test01') if __name__ == "__main__": sayHello()下面是我最终结果的截图:
以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持。
声明:本页内容来源网络,仅供用户参考;我单位不保证亦不表示资料全面及准确无误,也不保证亦不表示这些资料为最新信息,如因任何原因,本网内容或者用户因倚赖本网内容造成任何损失或损害,我单位将不会负任何法律责任。如涉及版权问题,请提交至online#300.cn邮箱联系删除。
WPS绘制折线图的方法如下: 1、打开要处理的工作表格。 2、选择要做成折线图的数据。 3、点击插入图表。 4、选择折线图。 5、点击确定,折线图即显
本文实例讲述了Python基于Matplotlib库简单绘制折线图的方法。分享给大家供大家参考,具体如下:Matplotlib画折线图,有一些离散点,想看看这些
这篇文章主要介绍了Python散点图与折线图绘制过程解析,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下在数据
散点图和折线图是数据分析中最常用的两种图形。其中,折线图用于分析自变量和因变量之间的趋势关系,最适合用于显示随着时间而变化的连续数据,同时还可以看出数量的差异,
所谓动态折线图,就是折线图能随着手指的滑动进行动态绘制,这里很定会产生动画效果。基于这个效果,这里使用SurfaceView进行制图。实现步奏如下:(1):这里