Python Plotly Eğitimi – Linux Önerileri

komplo web tabanlı uygulamalar ve bağımsız Python betikleri için gerçek zamanlı analiz, istatistik ve grafik araçları geliştirmesiyle tanınan bir analitik şirketidir. Bu derste, Plotly kullanan temel örneklere bakacağız ve %100 etkileşimli ve tasarımı kolay olacak basit ve sezgisel zaman serisi veri çizelgeleri oluşturacağız. Bu çizelgeler, tamamen etkileşimli ve oynamaya hazır oldukları için sunumlarda kullanılabilir.

Kolayca dışa aktarılabilmesi için bir grafik tasarımı çevrimdışı kaydetme seçeneği de vardır. Kitaplığın kullanımını çok kolaylaştıran başka birçok özellik vardır:

• Grafikleri, yazdırma ve yayınlama için yüksek düzeyde optimize edilmiş vektör grafikleri olarak çevrimdışı kullanım için kaydedin
• Dışa aktarılan grafikler, bir resim biçiminde değil, JSON biçimindedir. JSON, Tableau gibi diğer görselleştirme araçlarına kolayca yüklenebilir veya Python veya R ile değiştirilebilir.
• Dışa aktarılan şemalar doğası gereği JSON olduğundan, bu şemaları bir web uygulamasına gömmek pratik olarak kolaydır.
• Boyamaya iyi bir alternatif matplotlib görselleştirme için

Plotly paketini kullanmaya başlamak için, geçerli bir kullanıcı adı ve işlevselliğini kullanmaya başlayabileceğimiz bir API anahtarı almak için yukarıda belirtilen web sitesinde bir hesaba kaydolmamız gerekiyor. Neyse ki, Plotly için üretim düzeyinde grafikler oluşturmak için yeterli özelliklere sahip ücretsiz bir fiyatlandırma planı mevcuttur.

Çizim hazırlığı

Başlamadan önce sadece bir not, kullanabilirsiniz sanal çevre Aşağıdaki komut ile yapabileceğimiz bu ders için:

Sanal ortamı aktif ettikten sonra Plotly kütüphanesini sanal ortama kurabilir ve ardından oluşturacağımız örnekleri çalıştırabilirsiniz:

kullanacağız Beğendi Ve bu derste, Jüpiter. Cihazınıza yüklemek istiyorsanız, Öğretici Açıklamaya bakın.Anaconda Python’u Ubuntu 18.04 LTS’ye nasıl kurarımve herhangi bir sorunla karşılaşırsanız geri bildiriminizi paylaşın.Plotly’yi Anaconda ile kurmak için Anaconda Terminalinde aşağıdaki komutu kullanın:

Yukarıdaki komutu çalıştırdığımızda şöyle bir şey görüyoruz:

Gerekli tüm paketler kurulup yapıldıktan sonra, aşağıdaki import ifadesi ile Plotly kütüphanesini kullanmaya başlayabiliriz:

Plotly’de bir hesap oluşturduğunuzda, iki şeye ihtiyacınız olacak – hesabın kullanıcı adı ve API anahtarı. Her hesabın yalnızca bir API anahtarı olabilir. Bu yüzden onu güvenli bir yerde saklayın, sanki kaybederseniz anahtarı yeniden oluşturmanız gerekecek ve eski anahtarı kullanan tüm eski uygulamalar çalışmayı durduracaktır.

Yazdığınız tüm Python programlarında, Plotly kullanmaya başlamak için kimlik bilgilerini aşağıdaki gibi belirtin:

Şimdi bu kütüphane ile başlayalım.

Plotly’ye Başlarken

Programımızda aşağıdaki ithalatlardan yararlanacağız:

Şunlardan yararlanırız:

• bandalar CSV dosyalarını etkili bir şekilde okumak için
• bir dizi Basit tablo işlemleri için
• keskin bilimsel hesaplar için
• Görselleştirmek için komplo

Bazı örnekler için, burada sağlanan Plotly veri kümelerini kullanacağız. github. Son olarak, Plotly betiklerini bir ağ bağlantısı olmadan çalıştırmanız gerektiğinde, Plotly için çevrimdışı modu da etkinleştirebileceğinizi lütfen unutmayın:

Kurulumu çizerek test etmek için aşağıdaki ifadeyi çalıştırabilirsiniz:

Yukarıdaki komutu çalıştırdığımızda şöyle bir şey görüyoruz:

Son olarak Pandas’ı kullanarak veri setini indireceğiz ve bir tablo olarak görselleştireceğiz:

Yukarıdaki komutu çalıştırdığımızda şöyle bir şey görüyoruz:

Şimdi bir tane oluşturalım Çubuk grafiği Verileri görselleştirmek için:

Yukarıdaki kod parçacığını çalıştırdığımızda şöyle bir şey görürüz:

Jupyter notebook ile yukarıdaki grafiği gördüğünüzde, farklı yakınlaştırma seçenekleri, Kutu ve Kement seçimi ve grafiğin belirli bir bölümünde çok daha fazlası ile karşılaşacaksınız.

Birleştirilmiş çubuk grafikler

Plotly ile kolay karşılaştırma için çoklu çubuk grafikler birlikte gruplandırılabilir. Bunun için aynı veri setini kullanalım ve üniversitelerdeki kadın ve erkek katılım farklılıklarını gösterelim:

Yukarıdaki kod parçacığını çalıştırdığımızda şöyle bir şey görürüz:

Bu iyi görünse de sağ üst köşedeki çıkartmalar öyle değil! Düzeltelim:

Grafik artık daha açıklayıcı görünüyor:

Çubuğun konumunu değiştirmeye çalışalım:

Yukarıdaki kod parçacığını çalıştırdığımızda şöyle bir şey görürüz:

Plotly ile pasta grafikler

Şimdi, tüm üniversitelerdeki kadın yüzdesi arasında önemli bir fark oluşturan Plotly’yi kullanarak bir pasta grafik oluşturmaya çalışacağız. Üniversite isimleri atama olacak ve bütünün yüzdesini hesaplamak için gerçek sayılar kullanılacaktır. Bu, kodun aynı kısmıdır:

Yukarıdaki kod parçacığını çalıştırdığımızda şöyle bir şey görürüz:

İyi olan şey, Plotly’nin görüntülenen grafikle etkileşim kurmak için çok sayıda yakınlaştırma ve uzaklaştırma özelliği ve diğer birçok araçla birlikte gelmesidir.

Plotly kullanarak zaman serisi verilerini görselleştirin

Zaman serisi verilerini görselleştirmek, bir veri analisti veya veri mühendisi olarak karşılaştığınız en önemli görevlerden biridir.

Bu örnekte, önceki veriler özellikle herhangi bir zaman damgası verisi içermediğinden, aynı GitHub deposunda ayrı bir veri kümesi kullanacağız. Apple’ın pazardaki hisselerinin zaman içindeki gelişimini şu şekilde göstereceğiz:

Yukarıdaki kod parçacığını çalıştırdığımızda şöyle bir şey görürüz:

Farenizi grafik kontrast çizgisinin üzerine getirdiğinizde nokta ayrıntılarını belirleyebilirsiniz:

Her hafta için belirli verileri görmek için iki yakınlaştırma düğmesini de kullanabiliriz.

OHLC tablosu

Bir varlığın belirli bir süre içindeki değişimini göstermek için bir OHLC (Yüksek Düşük Kapanış) grafiği kullanılır. Bunu PyPlot ile oluşturmak kolaydır:

Burada, aşağıdaki gibi çıkarılabilecek bazı tipik veri noktaları sağladık:

• Açık veriler, piyasa açıldığında hisse senedi yüzdesini belirler
• Yüksek veri, belirli bir zaman diliminde elde edilen en yüksek envanter yüzdesini tanımlar.
• Düşük veri, belirli bir zaman diliminde elde edilen en düşük envanter yüzdesini belirtir.
• Kapanış verileri, belirli bir süre sonunda envanterin kapanış yüzdesini belirtir.

Şimdi yukarıdaki kod parçacığını çalıştıralım. Yukarıdaki kod parçacığını çalıştırdığımızda şöyle bir şey görürüz:

Bu, bir varlığın zamanı için zaman karşılaştırmalarının nasıl üretildiğine ve onu yüksek ve düşük başarılarıyla karşılaştırmasına dair mükemmel bir karşılaştırmadır.

çözüm

Bu öğretici için, mükemmel bir alternatif olan Plotly adlı başka bir görselleştirme kitaplığına baktık. matplotlib Web uygulamaları olarak karşımıza çıkan üretim uygulamalarında Plotly, üretim amaçlı kullanılabilecek oldukça dinamik ve zengin özelliklere sahip bir kütüphanedir, dolayısıyla bu kesinlikle altında olması gereken bir beceridir. Kemer.

Bu eğitimde kullanılan tüm kaynak kodlarını şu adreste bulabilirsiniz: github. Lütfen kursla ilgili görüşlerinizi Twitter’da şu kişilerle paylaşın: @çalışan E @Linuxİpucu.