python - 有没有办法使用 Plotly express 显示多个子图

Question

我很想知道是否有相当于：

import pandas as pd
import numpy as np

data = pd.DataFrame({'Day':range(10),
                     'Temperature': np.random.rand(10), 
                     'Wind': np.random.rand(10),
                     'Humidity': np.random.rand(10),
                     'Pressure': np.random.rand(10)})

data.set_index('Day').plot(subplots=True, layout=(2,2), figsize=(10,5))
plt.tight_layout()

这会生成 Plotly 图表，而不是 matplotlib 图表。

Answer 1

对于一个情节明确的解决方案：
您可以使用pd.melt()在同一列中获取所有变量：

import pandas as pd
import plotly.express as px

df = pd.DataFrame({
    'Day':range(10),
    'Temperature': np.random.rand(10), 
    'Wind': np.random.rand(10),
    'Humidity': np.random.rand(10),
    'Pressure': np.random.rand(10),})

df_melt = df.melt(
    id_vars='Day', 
    value_vars=['Temperature', 'Wind', 'Humidity', 'Pressure'])

您的数据框现在看起来像这样，变量名称位于名为“变量”的列中，值位于名为“值”的列中：

    Day variable    value
0   0   Temperature 0.609
1   1   Temperature 0.410
2   2   Temperature 0.194
3   3   Temperature 0.663
4   4   Temperature 0.351

现在您可以使用px.scatter()with 参数facet_col来获取多个图：

fig = px.scatter(
    df_melt, 
    x='Day', 
    y='value', 
    facet_col='variable', 
    facet_col_wrap=2, 
    color='variable', 
    width=800,
)

这导致以下情节：

现在在您的示例中，所有变量都具有相同的值范围。但如果不是这种情况，那么您可能需要确保每个图在 y 轴上都有自己的范围。这可以按如下方式完成：

fig.update_yaxes(showticklabels=True, matches=None)

可以在此处找到有关刻面图的更多信息：
https ://plotly.com/python/facet-plots/

Answer 2

• 根据文档，Plotly Express 不支持任意子图功能，而是支持按给定数据维度进行分面，并且还支持边缘图表以显示分布信息。
• 这演示了较低级别plotly.subplots模块的用法以及make_subplots它公开的用于构造具有任意子图的图形的函数。

import plotly.graph_objects as go
from plotly.subplots import make_subplots

# using your sample data

fig = make_subplots(rows=2, cols=2, start_cell="bottom-left")

fig.add_trace(go.Scatter(x=data.index, y=data.Temperature, name='Temp'),
              row=1, col=1, )

fig.add_trace(go.Scatter(x=data.index, y=data.Wind, name='Wind'),
              row=1, col=2)

fig.add_trace(go.Scatter(x=data.index, y=data.Humidity, name='Humidity'),
              row=2, col=1)

fig.add_trace(go.Scatter(x=data.index, y=data.Pressure, name='Pressure'),
              row=2, col=2)

fig.show()

Answer 3

我只想像在 sns、pyplot 中那样快速地绘制多个分布子图。For循环有效。当然也适用于分散。触感很好：甚至 xlables 也被打印出来。

for col in boston_df.columns.tolist():
        boston_dis = px.histogram(boston_df, 
                 x=col, color_discrete_sequence=['lavenderblush'],
                 title='Distribution',
                 histnorm='probability density', template='plotly_dark',
                 width=400, height=300)
        boston_dis.show()