用 Python 绘制数据的7种最流行的方法( 二 ) _Python

并生成这样的图表：

文章插图

Seaborn plot of British election data
PlotlyPlotly 是一个绘图生态系统，它包括一个 Python 绘图库。它有三个不同的接口：

一个面向对象的接口。
一个命令式接口，允许你使用类似 JSON 的数据结构来指定你的绘图。
类似于 Seaborn 的高级接口，称为 Plotly Express 。

Plotly 绘图被设计成嵌入到 Web 应用程序中。Plotly 的核心其实是一个 JAVAScript 库！它使用 D3 和 stack.gl 来绘制图表。
你可以通过向该 JavaScript 库传递 JSON 来构建其他语言的 Plotly 库。官方的 Python 和 R 库就是这样做的。在 Anvil ，我们将 Python Plotly API 移植到了 Web 浏览器中运行。
这是使用 Plotly 的源代码（你可以在这里运行）：

    import plotly.graph_objects as go    from votes import wide as df    #  Get a convenient list of x-values    years = df['year']    x = list(range(len(years)))    # Specify the plots    bar_plots = [        go.Bar(x=x, y=df['conservative'], name='Conservative', marker=go.bar.Marker(color='#0343df')),        go.Bar(x=x, y=df['labour'], name='Labour', marker=go.bar.Marker(color='#e50000')),        go.Bar(x=x, y=df['liberal'], name='Liberal', marker=go.bar.Marker(color='#ffff14')),        go.Bar(x=x, y=df['others'], name='Others', marker=go.bar.Marker(color='#929591')),    ]    # Customise some display properties    layout = go.Layout(        title=go.layout.Title(text="Election results", x=0.5),        yaxis_title="Seats",        xaxis_tickmode="array",        xaxis_tickvals=list(range(27)),        xaxis_ticktext=tuple(df['year'].values),    )    # Make the multi-bar plot    fig = go.Figure(data=https://www.isolves.com/it/cxkf/yy/Python/2020-07-09/bar_plots, layout=layout)    # Tell Plotly to render it    fig.show()

选举结果图表：

文章插图

Plotly plot of British election data
BokehBokeh （发音为 “BOE-kay”）擅长构建交互式绘图，所以这个标准的例子并没有将其展现其最好的一面。和 Plotly 一样， Bokeh 的绘图也是为了嵌入到 Web 应用中，它以 HTML 文件的形式输出绘图。
下面是使用 Bokeh 的代码（你可以在这里运行）：

    from bokeh.io import show, output_file    from bokeh.models import ColumnDataSource, FactorRange, HoverTool    from bokeh.plotting import figure    from bokeh.transform import factor_cmap    from votes import long as df    # Specify a file to write the plot to    output_file("elections.html")    # Tuples of groups (year, party)    x = [(str(r[1]['year']), r[1]['party']) for r in df.iterrows()]    y = df['seats']    # Bokeh wraps your data in its own objects to support interactivity    source = ColumnDataSource(data=https://www.isolves.com/it/cxkf/yy/Python/2020-07-09/dict(x=x, y=y))    # Create a colourmap    cmap = {        'Conservative': '#0343df',        'Labour': '#e50000',        'Liberal': '#ffff14',        'Others': '#929591',    }    fill_color = factor_cmap('x', palette=list(cmap.values()), factors=list(cmap.keys()), start=1, end=2)    # Make the plot    p = figure(x_range=FactorRange(*x), width=1200, title="Election results")    p.vbar(x='x', top='y', width=0.9, source=source, fill_color=fill_color, line_color=fill_color)    # Customise some display properties    p.y_range.start = 0    p.x_range.range_padding = 0.1    p.yaxis.axis_label = 'Seats'    p.xaxis.major_label_orientation = 1    p.xgrid.grid_line_color = None

图表如下：