Python使用plotly绘制数据图表的方法
作者:邵靖 发布时间:2023-04-25 13:19:00
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':[5,4,1,3,11,2,6,7,19,20],
'z':[12,9,0,0,3,25,8,17,22,5]}
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':[0,1,2,3,4,5,6,7,8,9],
'y':[5,4,1,3,11,2,6,7,19,20],
'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'],
y = dataset['y'],
text = dataset['text'],
textposition='top center',
mode='markers+text',
name = 'y'
)
data_g.append(tr_x)
layout = Layout(title="scatter plots", xaxis={'title':'x'}, 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", xaxis={'title':'x'}, yaxis={'title':'value'})
fig = Figure(data=data_g, layout=layout)
pltoff.plot(fig, filename=name)
pie-charts
绘图效果:
代码:
def pie_charts(name):
'''
绘制饼图
'''
dataset = {'labels':['Windows', 'Linux', 'Unix', 'MacOS', 'Android', 'iOS'],
'values':[280, 25, 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, layout=layout)
pltoff.plot(fig, 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':[0,1,2,3,4,5,6,7,8,9],
'y1':[5,4,1,3,11,2,6,7,19,20],
'y2':[12,9,0,0,3,25,8,17,22,5],
'y3':[13,22,46,1,15,4,18,11,17,20]}
#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, y2, 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'],
hoverinfo = 'x+text',
mode = 'lines',
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'],
hoverinfo = 'x+text',
mode = 'lines',
name = 'y3',
fill = 'tonexty'
)
data_g.append(tr_3)
layout = Layout(title="field area plots", xaxis={'title':'x'}, yaxis={'title':'value'})
fig = Figure(data=data_g, layout=layout)
pltoff.plot(fig, 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
来源:https://www.qcloud.com/community/article/317573?utm_source=tuicool&utm_medium=referral
猜你喜欢
- 可以采用exec方法注意:使exec不能返回一些变量的值,而且当前的变量值在exec的语句里无效。declare @tempStr
- 虽然我只是把豆瓣当作一个纪录工具来用,纪录下自己看过的电影、听过的音乐、读过的书籍,我几乎不关注豆瓣上的任何影评、乐评、音衣服之类的内容,但
- dim dr dr="2123123" dr1=Cint(dr) dr2=Clng(dr) 可参考如下函数说明: CIn
- 先来看看什么是书签查找: 当优化器所选择的非聚簇索引只包含查询请求的一部分字段时,就需要一个查找(lookup)来检索其他字段来满足请求。对
- 你不得不承认,今天网络发展之迅速,信息流动速度之快、量之大,是我们不曾考虑过的,但现在它就真真切切地摆在我们面前。如何接纳信息,怎么处理、消
- Erase语句:重新初始化固定数组的元素,并释放动态数组的存储空间。用法: Era
- 刚才帮一位朋友做跳转的时候做的,为了获取完整的url地址,还是花了那么点时间不过现在看来,原来是那么简单,没有网上那么多复杂的东东,相信一定
- 我打算将WebQQ单独出来运行, 一开始直接拷贝了pyxmpp2的mainloop, 但是跑起来问题多多, 所以我又研究了利用Tornado
- 昨天面试上来就是一个算法,平时基本的算法还行,结果变个法就不会了。。。感觉应该刷一波Leecode冷静下。。。今天抽空看下。题目就是要求O(
- <SCRIPT language="javascript"> function&nbs
- 最简单、原始的TCP通信demo服务端Http请求:import socket# 创建一个servicesockeserviceSocket
- 放到公用调用文件(如conn数据库链接文件),对所有GET或POST的数据进行过滤特殊字符串,以实现简单有效的SQL注入过滤Function
- 用pytesseract识别图片中的数字Win 平台 使用步骤一、安装包。二、找个图片,运行如下识别程序。示例程序:import pytes
- 在TypeScript 项目中,我们经常需要使用声明一系列的ts类型。然而,手动写的效率实在太低,编写一个自动生成ts类型的工具可以解放生产
- 原文:Unobtrusive Ajax。今天才看见的一个Presentation,是Jesse Skinner在06年10月发表的。虽然题目
- 简介:pycharm 是一款功能强大的 Python 编辑器,具有跨平台性。下载地址第一步:下载pycharm 软件下载时会有两个版本供选择
- 本文实例讲述了Python面向对象程序设计之私有属性及私有方法。分享给大家供大家参考,具体如下:如果有一个对象,当需要对其进行修改属性时,有
- 本程序属于一种特别的方法。使用范围比较有限,而且有一定的危险性。借鉴了asp后门里的一些方法。由于读取某IP的网卡MAC地址本程序通过调用a
- 前言前面写过一篇用Python制作PPT的博客,感兴趣的可以参考用Python制作PPT这篇是关于用Python进行数据可视化的,准备作为一
- 请按步骤进行,未进行前面的步骤时,请不要做后面的步骤,以免损坏你的数据库.一般不建议做第4,6两步,第4步不安全,有可能损坏数据库或丢失数据