python2.7使用plotly绘制本地散点图和折线图

yipeiwu_com5年前Python基础

本人在学习使用Python和plotly处理数据时,经过两个小时艰难试错,终于完成了散点图和折线图的实例。在使用过程中遇到一个大坑,因为官方给出的案例是用在线存储的,所以需要安装jupyter(也就是ipython)才能使用notebook来处理生成的文件,一开始我没太懂iplot和plot之间的差异,导致浪费了很多时间。

重要提示:最新的jupyter不支持Python3.2及以下版本

最后我只能继续采用本地文件的形式来解决这个问题了。下面放出我的测试代码,被注释掉的是官方给出的代码以及离线存储的代码。应该是最新版的Python的方案。

#!/usr/bin/python
# coding=utf-8
 
import plotly.plotly
import random
from plotly.graph_objs import *
import plotly.graph_objs as abc # 必须
import numpy as np
 
 
def sayHello():
 N=100
 xx = [];
 for i in range(20):
  xx.append(i)
 y0 = [];
 for i in range(20):
  y0.append(random.randint(0, 10))
 y1 = [];
 for i in range(20):
  y1.append(random.randint(10, 20))
 y2 = [];
 for i in range(20):
  y2.append(random.randint(20, 30))
 #xx = np.linspace(0, 1, N)
 #y0 = np.random.randn(N) + 5
 #y1 = np.random.randn(N)
 #y2 = np.random.randn(N) - 5
 data_1 = abc.Scatter(
  x=xx,
  y=y0,
  name='test1',
  mode='markers'
 )
 date_2 = abc.Scatter(
  x=xx,
  y=y1,
  name='test2',
  mode="lines"
 )
 date_3 = abc.Scatter(
  x=xx,
  y=y2,
  name='test3',
  mode="lines+markers"
 )
 '''
 N = 1000
 random_x = np.random.randn(N)
 random_y = np.random.randn(N)
 # Create a trace
 trace = abc.Scatter(
  x=random_x,
  y=random_y,
  mode='markers'
 )
 data1 = [trace]
 '''
 data1 = Data([data_1, date_2,date_3])
 plotly.offline.plot(data1)
 #plotly.offline.iplot(data1,filename='test01')
 
 
if __name__ == "__main__":
 sayHello()

下面是我最终结果的截图:

以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持【听图阁-专注于Python设计】。

相关文章

python遍历文件夹并删除特定格式文件的示例

复制代码 代码如下:#!/usr/bin/python# -*- coding: utf-8 -*- import os def del_files(path):  ...

以Flask为例讲解Python的框架的使用方法

以Flask为例讲解Python的框架的使用方法

了解了WSGI框架,我们发现:其实一个Web App,就是写一个WSGI的处理函数,针对每个HTTP请求进行响应。 但是如何处理HTTP请求不是问题,问题是如何处理100个不同的URL。...

浅谈python的深浅拷贝以及fromkeys的用法

浅谈python的深浅拷贝以及fromkeys的用法

1.join()的用法:使用前面的字符串.对后面的列表进行拼接,拼接结果是一个字符串 # lst = ["alex","dsb",'wusir','xsb'] # s = "".jo...

Python WSGI的深入理解

前言 本文主要介绍的是Python WSGI相关内容,主要来自以下网址: What is WSGI? WSGI Tutorial An Introduction t...

Python对数据进行插值和下采样的方法

使用Python进行插值非常方便,可以直接使用scipy中的interpolate import numpy as np x1 = np.linspace(1, 4096, 1024...