python

超轻量级php框架startmvc

Python使用plotly绘制数据图表的方法

更新时间:2020-05-04 11:48:01 作者:startmvc
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

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

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脚本之家。

Python 数据图表 Python 绘制数据图表 plotly绘制数据图表