本文主要是介绍python数据可视化: 使用plotly，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
plotly是一款强大的作图工具，可以快速制作各种精美的图表，而且生成的图表可以实时与用户产生交互.
数据
链接在这里
2012-2017年,27个美国和3个加拿大城市以及6个以色列城市的每小时天气数据,包括温度、湿度、气压、风向、风速、天气情况数据
plotly作图
先导入库：
import pandas as pd
import numpy as np
from plotly.offline import iplot, plot, init_notebook_mode
import plotly.graph_objs as go
import plotly.figure_factory as ff # 一些集成绘图工具
import plotly.io as pio # 保存静态图片
import warnings
import matplotlib.pyplot as plt
%matplotlib inline# 一些设置
warnings.filterwarnings('ignore')
np.random.seed(2019)
init_notebook_mode(connected=True)# 导入数据
cities = pd.read_csv('city_attributes.csv') # 城市
humidity = pd.read_csv('humidity.csv') # 湿度
pressure = pd.read_csv('pressure.csv') # 压力
temperatur = pd.read_csv('temperature.csv') # 温度
# weather_desc = pd.read_csv('weather_description.csv') # 天气情况
# wind_direction = pd.read_csv('wind_direction.csv') # 风向
# wind_speed = pd.read_csv('wind_speed.csv') # 风速
地图
colors = ["rgba(0,116,217,0.7)","rgb(255,65,54,0.7)","rgb(133,20,75,0.7)"]
# 点数据准备 类型为地理型散点图
city = dict(type = 'scattergeo',lon = cities.Longitude,lat = cities.Latitude,text = cities.City,marker = dict(line = dict(width=0.5, color='rgb(40,40,40)'),color = [colors[i] for i in cities.Country.astype('category').cat.codes],sizemode = 'area' ))# 外观设置
layout = dict(showlegend = True,geo = dict(showland = True,landcolor = 'rgb(217, 217, 217)',subunitwidth=1,countrywidth=1,),)fig = dict(data=[city], layout=layout)
# 保存为静态图片,需要安装psutil和plotly-orca:npm install -g electron@1.8.4 orca
pio.write_image(fig, 'map.png'这篇关于python数据可视化: 使用plotly的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
