使用Plotly在Python中设置带有分组图例的多个子图

---

多个子图通过分配不同的图形图来定义。Plotly是一个强大的Python库，用于创建用于数据研究和演示的交互式可视化。它能够创建多个子图（即放置在一个图形中的独立图）是其主要特性之一。此功能允许我们并排比较和显示各种数据集或变量，从而简单地概述数据。在Python中，我们有一些内置函数——add_trace、update_layout和show，可用于使用Plotly在Python中设置带有分组图例的多个子图。

语法

以下语法用于示例：

add_trace()

这是Python的内置方法，遵循名为plotly的模块。它接受Scatter参数以创建新的轨迹到图形。例如，散点图可能有多个轨迹，每个轨迹代表一组不同的数据点。

update_layout()

update_layout() 方法用于更改 Plotly 图形的布局。

show()

show方法用于程序的结尾，以获得图形的所需图形作为输出。

示例1算法

步骤如下：

步骤1：使用名为plotly.graph_objects的模块创建子图数据点，并将对象引用作为go。

步骤2：从plotly.subplots模块中提及另一个对象引用make_subplots函数。

步骤3：然后使用对象引用make_subplots，通过使用subplot_titile设置每个图的标题名称。

步骤4：创建轨迹以设置分组图例和数据点。

步骤5：图形布局已使用内置函数update_layout更新，该函数接受参数——宽度和高度。

步骤6：最后，使用show()方法显示结果。

示例

在以下示例中，我们将显示包含分组图例的两个子图的图形，方法是使用内置方法add_trace。

import plotly.graph_objects as go
from plotly.subplots import make_subplots
# Create subplots with the shared legend
fig = make_subplots(rows=2, cols=2, subplot_titles=("Plot 1", "Plot 2"))
# Add traces to subplots
fig.add_trace(go.Scatter(x=[1, 2, 3], y=[4, 5, 6], name="Trace 1"), row=1, col=1)
fig.add_trace(go.Scatter(x=[1, 2, 3], y=[14, 13, 15], name="Trace 2"), row=1, col=2)
# Update layout for legend grouping
fig.update_layout(width=800, height=600)
# Show the plot
fig.show()

输出

示例

在以下示例中，使用make_subplots，此代码生成一个2x2的子图网格，并将两个散点图添加到网格中。布局被更改以自定义图例分组并显示图形。

import plotly.graph_objects as go
from plotly.subplots import make_subplots
# Create subplots with the shared legend
fig = make_subplots(rows=2, cols=2, subplot_titles=("Plot 1", "Plot 2"))
# Add traces to subplots
fig.add_trace(go.Scatter(x=[1, 2, 1, 3, 5], y=[4, 5, 2, 3, 6], name="Reliance"), row=1, col=1)
fig.add_trace(go.Scatter(x=[3, 2, 6], y=[13, 14, 15], name="TATA"), row=1, col=2)
# Update layout for customized legend grouping
fig.update_layout(width=800, height=600)
# Show the plot
fig.show()

输出

示例

在以下示例中，我们将显示四个不同子图的图形，这些子图包含指向数据、subplot_title和分别在内置函数add_trace和update_layout中的图例。这将帮助我们构建带有图例名称的多个子图。

import plotly.graph_objects as go
from plotly.subplots import make_subplots
# Create subplots with the shared legend
fig = make_subplots(rows=2, cols=2, subplot_titles=("Plot 1", "Plot 2", "Plot 3", "Plot 4"))
# Add traces to subplots
fig.add_trace(go.Scatter(x=[1, 4, 1, 3, 5, 2], y=[4, 5, 6, 5, 4, 2], name="Trace 1"), row=1, col=1)
fig.add_trace(go.Scatter(x=[1, 2, 3, 4, 3, 5], y=[7, 8, 9, 3, 2, 6], name="Trace 2"), row=1, col=2)
fig.add_trace(go.Scatter(x=[3, 5, 6, 4, 5, 6], y=[1, 3, 5, 4, 2, 3], name="Trace 3"), row=2, col=1)
fig.add_trace(go.Scatter(x=[1, 2, 3, 2, 6, 4], y=[3, 4, 5, 6, 2, 1], name="Trace 4"), row=2, col=2)
# Update layout for customized legend grouping
fig.update_layout(legend=dict(tracegroupgap=70))
# Show the plot
fig.show()

输出

结论

我们讨论了使用名为Ploty的模块绘制带有分组图例的多个子图的三种不同方法。这使我们可以轻松比较数据，数据科学家可以创建详细的可视化效果，从而提高对复杂数据集的理解和沟通。