Ciencia de los datos

Tutorial de Python Plotly

Tutorial de Python Plotly
Plotly es una empresa de análisis conocida por desarrollar herramientas de análisis, estadísticas y gráficos en tiempo real para aplicaciones basadas en web y scripts Python independientes. En esta lección, veremos ejemplos básicos con Plotly y crearemos gráficos de datos de series de tiempo simples e intuitivos que serán 100% interactivos por naturaleza y, sin embargo, fáciles de diseñar. Estos gráficos se pueden utilizar en presentaciones, ya que son totalmente interactivos y están listos para jugar.

También hay una opción para guardar un diseño gráfico fuera de línea para que se puedan exportar fácilmente. Hay muchas otras características que facilitan el uso de la biblioteca:

Para comenzar a utilizar el paquete Plotly, debemos registrarnos en una cuenta en el sitio web mencionado anteriormente para obtener un nombre de usuario y una clave API válidos con los que podamos comenzar a usar sus funcionalidades. Afortunadamente, hay disponible un plan de precios gratuito para Plotly con el que obtenemos suficientes funciones para hacer gráficos de calidad de producción.

Instalación de Plotly

Solo una nota antes de comenzar, puede usar un entorno virtual para esta lección que podemos realizar con el siguiente comando:

python -m virtualenv plotly
fuente numpy / bin / activar

Una vez que el entorno virtual está activo, puede instalar la biblioteca Plotly dentro del entorno virtual para que los ejemplos que creamos a continuación se puedan ejecutar:

pip instalar plotly

Usaremos Anaconda y Jupyter en esta lección. Si desea instalarlo en su máquina, consulte la lección que describe “Cómo instalar Anaconda Python en Ubuntu 18.04 LTS ”y comparta sus comentarios si tiene algún problema. Para instalar Plotly con Anaconda, use el siguiente comando en la terminal de Anaconda:

conda install -c plotly plotly

Vemos algo como esto cuando ejecutamos el comando anterior:

Una vez que todos los paquetes necesarios están instalados y listos, podemos comenzar a usar la biblioteca Plotly con la siguiente declaración de importación:

importar trama

Una vez que haya creado una cuenta en Plotly, necesitará dos cosas: el nombre de usuario de la cuenta y una clave API. Solo puede haber una clave API que pertenezca a cada cuenta. Así que guárdelo en un lugar seguro como si lo perdiera, tendrá que regenerar la clave y todas las aplicaciones antiguas que usen la clave anterior dejarán de funcionar.

En todos los programas de Python que escriba, mencione las credenciales de la siguiente manera para comenzar a trabajar con Plotly:

tramadamente.herramientas.set_credentials_file (username = 'username', api_key = 'your-api-key')

Comencemos con esta biblioteca ahora.

Introducción a Plotly

Utilizaremos las siguientes importaciones en nuestro programa:

importar pandas como pd
importar numpy como np
importar scipy como sp
importar trama.parcela como py

Hacemos uso de:

Para algunos de los ejemplos, haremos uso de los propios conjuntos de datos de Plotly disponibles en Github. Finalmente, tenga en cuenta que también puede habilitar el modo fuera de línea para Plotly cuando necesite ejecutar scripts de Plotly sin una conexión de red:

importar pandas como pd
importar numpy como np
importar scipy como sp
importar trama
trama.desconectado.init_notebook_mode (conectado = Verdadero)
importar trama.fuera de línea como py

Puede ejecutar la siguiente declaración para probar la instalación de Plotly:

imprimir.__versión__)

Vemos algo como esto cuando ejecutamos el comando anterior:

Finalmente descargaremos el conjunto de datos con Pandas y lo visualizaremos como una tabla:

importar trama.figure_factory como ff
df = pd.read_csv ("https: // raw.githubusercontent.com / plotly / datasets / master / school_
ganancias.csv ")
tabla = ff.create_table (df)
py.iplot (tabla, nombre de archivo = 'tabla')

Vemos algo como esto cuando ejecutamos el comando anterior:

Ahora, construyamos un Gráfico de barras para visualizar los datos:

importar trama.graph_objs como ir
data = [ir.Barra (x = gl.Escuela, y = df.Mujeres)]
py.iplot (datos, nombre de archivo = 'barra de mujeres')

Vemos algo como esto cuando ejecutamos el fragmento de código anterior:

Cuando vea el gráfico anterior con el cuaderno Jupyter, se le presentarán varias opciones de Zoom in / out en una sección particular del gráfico, Selección de cuadro y lazo y mucho más.

Gráficos de barras agrupadas

Se pueden agrupar varios gráficos de barras con fines de comparación muy fácilmente con Plotly. Usemos el mismo conjunto de datos para esto y mostremos la variación de la presencia de hombres y mujeres en las universidades:

mujeres = ir.Barra (x = gl.Escuela, y = df.Mujeres)
hombres = ir.Barra (x = gl.Escuela, y = df.Hombres)
data = [hombres, mujeres]
diseño = ir.Diseño (barmode = "grupo")
fig = ir.Figura (datos = datos, diseño = diseño)
py.iplot (fig)

Vemos algo como esto cuando ejecutamos el fragmento de código anterior:

Aunque se ve bien, las etiquetas de la esquina superior derecha no son correctas! Vamos a corregirlos:

mujeres = ir.Barra (x = gl.Escuela, y = df.Mujeres, nombre = "Mujeres")
hombres = ir.Barra (x = gl.Escuela, y = df.Hombres, nombre = "Hombres")

El gráfico parece mucho más descriptivo ahora:

Intentemos cambiar el modo de barra:

diseño = ir.Diseño (barmode = "relativo")
fig = ir.Figura (datos = datos, diseño = diseño)
py.iplot (fig)

Vemos algo como esto cuando ejecutamos el fragmento de código anterior:

Gráficos circulares con Plotly

Ahora, intentaremos construir un gráfico circular con Plotly que establezca una diferencia básica entre el porcentaje de mujeres en todas las universidades. El nombre de las universidades serán las etiquetas y los números reales se utilizarán para calcular el porcentaje del total. Aquí está el fragmento de código para el mismo:

trace = ir.Pie (etiquetas = df.Escuela, valores = gl.Mujeres)
py.iplot ([trace], filename = 'pie')

Vemos algo como esto cuando ejecutamos el fragmento de código anterior:

Lo bueno es que Plotly viene con muchas funciones de acercamiento y alejamiento y muchas otras herramientas para interactuar con el gráfico construido.

Visualización de datos de series temporales con Plotly

La visualización de datos de series de tiempo es una de las tareas más importantes que se presentan cuando eres un analista de datos o un ingeniero de datos.

En este ejemplo, usaremos un conjunto de datos separado en el mismo repositorio de GitHub, ya que los datos anteriores no involucraban ningún dato con sello de tiempo específicamente. Como aquí, trazaremos la variación de las acciones de mercado de Apple a lo largo del tiempo:

financiero = pd.read_csv ("https: // sin procesar.githubusercontent.com / plotly / datasets / master /
finanzas-gráficos-manzana.csv ")
data = [ir.Dispersión (x = financiera.Fecha, y = financiera ['AAPL.Cerca'])]
py.iplot (datos)

Vemos algo como esto cuando ejecutamos el fragmento de código anterior:

Una vez que pase el mouse sobre la línea de variación del gráfico, puede especificar detalles de puntos:

También podemos usar los botones de acercar y alejar para ver datos específicos de cada semana.

Gráfico OHLC

Se utiliza un gráfico OHLC (Open High Low close) para mostrar la variación de una entidad a lo largo de un período de tiempo. Esto es fácil de construir con PyPlot:

desde fecha y hora importar fecha y hora
open_data = [33.0, 35.3, 33.5, 33.0, 34.1]
high_data = [33.1, 36.3, 33.6, 33.2, 34.8]
low_data = [32.7, 32.7, 32.8, 32.6, 32.8]
close_data = [33.0, 32.9, 33.3, 33.1, 33.1]
fechas = [fecha y hora (año = 2013, mes = 10, día = 10),
fecha y hora (año = 2013, mes = 11, día = 10),
fecha y hora (año = 2013, mes = 12, día = 10),
fecha y hora (año = 2014, mes = 1, día = 10),
fecha y hora (año = 2014, mes = 2, día = 10)]
trace = ir.Ohlc (x = fechas,
open = open_data,
high = high_data,
low = low_data,
close = close_data)
datos = [rastreo]
py.iplot (datos)

Aquí, hemos proporcionado algunos puntos de datos de muestra que se pueden inferir de la siguiente manera:

Ahora, ejecutemos el fragmento de código que proporcionamos anteriormente. Vemos algo como esto cuando ejecutamos el fragmento de código anterior:

Esta es una excelente comparación de cómo establecer comparaciones de tiempo de una entidad con la suya propia y compararla con sus logros altos y bajos.

Conclusión

En esta lección, analizamos otra biblioteca de visualización, Plotly, que es una excelente alternativa a Matplotlib en aplicaciones de grado de producción que se exponen como aplicaciones web, Plotly es una biblioteca muy dinámica y rica en funciones para usar con fines de producción, por lo que definitivamente es una habilidad que debemos tener en nuestro haber.

Encuentre todo el código fuente utilizado en esta lección en Github. Comparta sus comentarios sobre la lección en Twitter con @sbmaggarwal y @LinuxHint.

Puertos de código abierto de motores de juegos comerciales
Las recreaciones gratuitas, de código abierto y de motores de juegos multiplataforma se pueden usar para jugar títulos de juegos antiguos y también al...
Los mejores juegos de línea de comandos para Linux
La línea de comandos no es solo su mayor aliado cuando usa Linux, también puede ser la fuente de entretenimiento porque puede usarla para jugar muchos...
Las mejores aplicaciones de mapeo de gamepad para Linux
Si te gusta jugar juegos en Linux con un gamepad en lugar de un sistema de entrada de teclado y mouse típico, hay algunas aplicaciones útiles para ti....