Python使用plotly绘制数据图表的方法

概述导语：使用python-plotly模块来进行压测数据的绘制，并且生成静态html页面结果展示。

导语：使用 python-plotly 模块来进行压测数据的绘制，并且生成静态 HTML 页面结果展示。

不少小伙伴在开发过程中都有对模块进行压测的经历，压测结束后大家往往喜欢使用Excel处理压测数据并绘制数据可视化视图，但这样不能很方便的使用web页面进行数据展示。本文将介绍使用python-plotly模块来进行压测数据的绘制，并且生成静态HTML页面方便结果展示。

Plotly简介

Plotly是一款使用JavaScript开发的制图工具，提供了与主流数据分析语言交互的API（如：Python,R,MATLAB）。大家可以到官网 https://plot.ly/ 了解更多详细的信息。Plotly能够绘制具有用户交互功能的精美图表。

Python-Plotly 安装

本文档主要是介绍使用plotly的Python API来进行几种简单图表的绘制，更多Plotly的用法请参考 https://plot.ly/python/

Python-Plotly可以使用pip安装，并且最好在Python2.7版本及以上安装使用，如果使用Python2.6版本，请自行安装Python2.7和对应的pip。

Plotly绘图实例

line-plots

绘图效果：

生成的HTML页面在右上角提供了丰富的交互工具。

代码：

def line_plots(name):  '''  绘制普通线图  '''  #数据，x为横坐标，y,z为纵坐标的两项指标，三个array长度相同  dataset = {'x':[0,1,2,3,4,5,6,7,8,9],'y':[5,11,19,20],'z':[12,9,25,17,22,5]}  data_g = []  #分别插入 y,z  tr_x = Scatter(    x = dataset['x'],y = dataset['y'],name = 'y'   )  data_g.append(tr_x)  tr_z = Scatter(    x = dataset['x'],y = dataset['z'],name = 'z'   )  data_g.append(tr_z)  #设置layout,指定图表Title,x轴和y轴名称  layout = Layout(title="line plots",xaxis={'Title':'x'},yaxis={'Title':'value'})  #将layout设置到图表  fig = figure(data=data_g,layout=layout)  #绘图,输出路径为name参数指定  pltoff.plot(fig,filename=name)

scatter-plots

绘图效果：

代码：

def scatter_plots(name):  '''  绘制散点图  '''  dataset = {'x':[0,'text':['5_txt','4_txt','1_txt','3_txt','11_txt','2_txt','6_txt','7_txt','19_txt','20_txt']}  data_g = []  tr_x = Scatter(    x = dataset['x'],text = dataset['text'],textposition='top center',mode='markers+text',name = 'y'   )  data_g.append(tr_x)  layout = Layout(title="scatter plots",yaxis={'Title':'value'})  fig = figure(data=data_g,layout=layout)  pltoff.plot(fig,filename=name)

bar-charts

绘图效果：

代码：

def bar_charts(name):  '''  绘制柱状图  '''  dataset = {'x':['windows','linux','Unix','MacOS'],'y1':[45,26,37,13],'y2':[19,27,33,21]}  data_g = []  tr_y1 = bar(    x = dataset['x'],y = dataset['y1'],name = 'v1'  )  data_g.append(tr_y1)  tr_y2 = bar(    x = dataset['x'],y = dataset['y2'],name = 'v2'  )  data_g.append(tr_y2)  layout = Layout(title="bar charts",filename=name)

pIE-charts

绘图效果：

代码：

def pIE_charts(name):  '''  绘制饼图  '''  dataset = {'labels':['windows','MacOS','AndroID','iOS'],'values':[280,10,100,250,270]}   data_g = []  tr_p = PIE(    labels = dataset['labels'],values = dataset['values']  )  data_g.append(tr_p)  layout = Layout(title="pIE charts")  fig = figure(data=data_g,filename=name)

filled-area-plots

本例是绘制具有填充效果的堆叠线图，适合分析具有堆叠百分比属性的数据

绘图效果：

代码：

def filled_area_plots(name):  '''  绘制堆叠填充的线图  '''  dataset = {'x':[0,'y1':[5,'y2':[12,5],'y3':[13,46,15,18,20]}  #计算y1,y2,y3的堆叠占比  dataset['y1_stack'] = dataset['y1']  dataset['y2_stack'] = [y1+y2 for y1,y2 in zip(dataset['y1'],dataset['y2'])]  dataset['y3_stack'] = [y1+y2+y3 for y1,y3 in zip(dataset['y1'],dataset['y2'],dataset['y3'])]  dataset['y1_text'] = ['%s(%s%%)'%(y1,y1*100/y3_s) for y1,y3_s in zip(dataset['y1'],dataset['y3_stack'])]  dataset['y2_text'] = ['%s(%s%%)'%(y2,y2*100/y3_s) for y2,y3_s in zip(dataset['y2'],dataset['y3_stack'])]  dataset['y3_text'] = ['%s(%s%%)'%(y3,y3*100/y3_s) for y3,y3_s in zip(dataset['y3'],dataset['y3_stack'])]  data_g = []  tr_1 = Scatter(    x = dataset['x'],y = dataset['y1_stack'],text = dataset['y1_text'],hoverinfo = 'x+text',mode = 'lines',name = 'y1',fill = 'tozeroy' #填充方式: 到x轴  )  data_g.append(tr_1)  tr_2 = Scatter(    x = dataset['x'],y = dataset['y2_stack'],text = dataset['y2_text'],name = 'y2',fill = 'tonexty' #填充方式:到下方的另一条线  )  data_g.append(tr_2)  tr_3 = Scatter(    x = dataset['x'],y = dataset['y3_stack'],text = dataset['y3_text'],name = 'y3',fill = 'tonexty'  )  data_g.append(tr_3)  layout = Layout(title="fIEld area plots",filename=name)

小结

本文介绍了利用python-plotly绘制数据图的方法，实例中 线图(line plots)、散点图(scatter plots)、柱状图(bar charts)、饼图(pIE charts)以及填充堆叠线图(filled area plots)这五种典型的图表基本上涵盖了大部分类型的测试数据，各位小伙伴可以加以变形绘制出更多的漂亮图标。

文中所示代码：test_plotly_jb51.rar

参考资料

1. https://plot.ly/python/basic-charts/

2. https://images.plot.ly/plotly-documentation/images/python_cheat_sheet.pdf

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编程小技巧。

总结

以上是内存溢出为你收集整理的Python使用plotly绘制数据图表的方法全部内容，希望文章能够帮你解决Python使用plotly绘制数据图表的方法所遇到的程序开发问题。

如果觉得内存溢出网站内容还不错，欢迎将内存溢出网站推荐给程序员好友。