Survolez le texte et le formatage dans Python-Plotly
Python-Plotly, une bibliothèque de visualisation de données largement utilisée, offre diverses fonctionnalités pour améliorer les visualisations, l'une de ces fonctionnalités étant le texte de survol et le formatage, qui permettent aux utilisateurs de fournir des informations supplémentaires et de personnaliser l'apparence des info-bulles lorsqu'ils survolent des points de données. La visualisation des données est un outil puissant pour comprendre et présenter des informations complexes. Dans cet article, nous explorerons comment utiliser le texte de survol et le formatage dans Python-Plotly pour améliorer la visualisation des données et transmettre efficacement des informations.
Comment survoler le texte et le formatage dans Python-Plotly ?
Vous trouverez ci-dessous des exemples de survol du texte et du formatage dans Python-Plotly avec différents modes de survol.
Mode de survol par défaut
Suivez les étapes ci-dessous pour le mode de survol par défaut et le modèle de survol personnalisé -
Importez les bibliothèques nécessaires, y compris Plotly Express.
Chargez l'ensemble de données intégré iris à partir de Plotly Express, qui contient des informations sur les fleurs d'iris.
-
Créez un nuage de points en utilisant px.scatter.
Spécifiez l'ensemble de données (df) et mappez les colonnes sepal_width et sepal_length aux axes x et y, respectivement.
Utilisez le paramètre de couleur pour différencier les points de données en fonction de la colonne des espèces.
Pour inclure des informations supplémentaires dans le texte de survol, nous utilisons le paramètre hover_data pour spécifier les colonnes petal_length et petal_width.
Définissez le paramètre hover_name sur "species" afin que le nom de l'espèce apparaisse également dans le texte de survol.
Personnalisez le texte de survol et le formatage en mettant à jour les traces à l'aide de fig.update_traces. Nous définissons l'attribut hovertemplate pour formater le texte de survol, en utilisant les espaces réservés %{x}, %{y}, %{text} et %{customdata[1]} pour afficher les valeurs des colonnes respectives.
Définissez l'attribut text pour fournir le texte de survol pour l'axe y, en utilisant une compréhension de liste pour répéter la valeur formatée de la longueur des pétales pour chaque point de données.
Affichez le tracé en utilisant fig.show().
Par défaut, la valeur de l'attribut hovermode est « plus proche ».
Exemple
import plotly.express as px
# Load the inbuilt dataset
df = px.data.iris()
# Create the scatter plot
fig = px.scatter(df, x="sepal_width", y="sepal_length", color="species",
hover_data=["petal_length", "petal_width"],
hover_name="species",
title="Hover Text and Formatting Example")
# Customize hover text and formatting for the y-axis
fig.update_traces(hovertemplate="Sepal Width: %{x}<br>Sepal Length: %{y}<br>%{text}<br>Petal Width: %{customdata[1]}",
text=["Petal Length: %{customdata[0]}"] * len(df))
fig.update_layout(hovermode="closest")
# Show the plot
fig.show()
Sortir
Lorsque vous exécutez ce programme, vous devriez voir un nuage de points représentant la largeur des sépales par rapport à la longueur des sépales, avec des points colorés en fonction des espèces. Lorsque vous survolez un point, le texte de survol affiche la largeur des sépales, la longueur des sépales, la longueur des pétales et la largeur des pétales pour ce point de données. Le texte survolé sur l'axe Y affichera la valeur formatée de la longueur des sépales pour chaque point de données.
Y- mode survol unifié
Suivez les étapes ci-dessous pour le mode de survol unifié Y et le modèle de survol personnalisé -
Importez les bibliothèques nécessaires, y compris Plotly Express.
Chargez l'ensemble de données intégré iris à partir de Plotly Express, qui contient des informations sur les fleurs d'iris.
Créez un nuage de points en utilisant px.scatter.
Spécifiez l'ensemble de données (df) et mappez les colonnes sepal_width et sepal_length aux axes x et y, respectivement.
Utilisez le paramètre de couleur pour différencier les points de données en fonction de la colonne des espèces.
Pour inclure des informations supplémentaires dans le texte de survol, nous utilisons le paramètre hover_data pour spécifier les colonnes petal_length et petal_width.
Définissez le paramètre hover_name sur "species" afin que le nom de l'espèce apparaisse également dans le texte de survol.
Personnalisez le texte de survol et le formatage en mettant à jour les traces à l'aide de fig.update_traces. Nous définissons l'attribut hovertemplate pour formater le texte de survol, en utilisant les espaces réservés %{x}, %{y}, %{text} et %{customdata[1]} pour afficher les valeurs des colonnes respectives.
-
Définissez l'attribut text pour fournir le texte de survol pour l'axe y, en utilisant une compréhension de liste pour répéter la valeur formatée de la longueur des pétales pour chaque point de données.
Utilisez la méthode fig.update_layout() et définissez l'attribut hovermode sur y unified.
Affichez le tracé en utilisant fig.show().
Exemple
import plotly.express as px
# Load the inbuilt dataset
df = px.data.iris()
# Create the scatter plot
fig = px.scatter(df, x="sepal_width", y="sepal_length", color="species",
hover_data=["petal_length", "petal_width"],
hover_name="species",
title="Hover Text and Formatting Example")
# Customize hover text and formatting for the y-axis
fig.update_traces(hovertemplate="Sepal Width: %{x}<br>Sepal Length: %{y}<br>%{text}<br>Petal Width: %{customdata[1]}",
text=["Petal Length: %{customdata[0]}"] * len(df))
fig.update_layout(hovermode="y unified")
# Show the plot
fig.show()
Sortir
X- mode de survol unifié
Suivez les étapes ci-dessous pour le mode de survol unifié X et le modèle de survol personnalisé -
Importez les bibliothèques nécessaires, y compris Plotly Express.
Chargez l'ensemble de données intégré iris à partir de Plotly Express, qui contient des informations sur les fleurs d'iris.
Créez un nuage de points en utilisant px.scatter.
Spécifiez l'ensemble de données (df) et mappez les colonnes sepal_width et sepal_length aux axes x et y, respectivement.
Utilisez le paramètre de couleur pour différencier les points de données en fonction de la colonne des espèces.
Pour inclure des informations supplémentaires dans le texte de survol, nous utilisons le paramètre hover_data pour spécifier les colonnes petal_length et petal_width.
Définissez le paramètre hover_name sur "species" afin que le nom de l'espèce apparaisse également dans le texte de survol.
Personnalisez le texte de survol et le formatage en mettant à jour les traces à l'aide de fig.update_traces. Nous définissons l'attribut hovertemplate pour formater le texte de survol, en utilisant les espaces réservés %{x}, %{y}, %{text} et %{customdata[1]} pour afficher les valeurs des colonnes respectives.
Définissez l'attribut text pour fournir le texte de survol pour l'axe y, en utilisant une compréhension de liste pour répéter la valeur formatée de la longueur des pétales pour chaque point de données.
Utilisez la méthode fig.update_layout() et définissez l'attribut hovermode sur x unified.
Affichez le tracé en utilisant fig.show().
Exemple
import plotly.express as px
# Load the inbuilt dataset
df = px.data.iris()
# Create the scatter plot
fig = px.scatter(df, x="sepal_width", y="sepal_length", color="species",
hover_data=["petal_length", "petal_width"],
hover_name="species",
title="Hover Text and Formatting Example")
# Customize hover text and formatting for the y-axis
fig.update_traces(hovertemplate="Sepal Width: %{x}<br>Sepal Length: %{y}<br>%{text}<br>Petal Width: %{customdata[1]}",
text=["Petal Length: %{customdata[0]}"] * len(df))
fig.update_layout(hovermode="x unified")
# Show the plot
fig.show()
Sortir
Conclusion
En conclusion, le survol du texte et le formatage dans Python-Plotly offrent un moyen transparent d'améliorer la visualisation des données. En fournissant un contexte supplémentaire et en personnalisant l'apparence des info-bulles, les utilisateurs peuvent communiquer efficacement des informations et améliorer la compréhension des données. La nature interactive du texte survolé ajoute de la profondeur et de l'engagement aux visualisations, les rendant plus informatives et conviviales. Grâce aux fonctionnalités puissantes de Python-Plotly, les analystes de données et les concepteurs de visualisation peuvent créer des tracés visuellement attrayants et interactifs qui transmettent efficacement les informations.