登录/ 注册
 找回密码
 立即注册
关闭

CSDN热搜

程序园 精品问答 技术交流 资源下载
返回列表 发新帖
首页 › 业界区 › 业界 ›『Plotly实战指南』--布局进阶篇

『Plotly实战指南』--布局进阶篇

靳谷雪 4 天前
在数据可视化领域，Plotly的子图布局是打造专业级仪表盘的核心武器。
当面对多维数据集时，合理的子图布局能显著提升多数据关联分析效率，让数据的呈现更加直观和美观。
本文将深入探讨Plotly中子图布局技巧，并结合代码实现与实际场景案例，介绍多子图组织方法的技巧。
多子图布局

网格布局

网格布局是Plotly中实现多子图排列的一种常见方式，通过make_subplots函数，我们可以轻松创建行列对齐的子图。
例如，设置rows=2, cols=3，就可以生成一个2行3列的子图网格，这种方式的好处是子图的尺寸会自动分配，
而且我们还可以通过horizontal_spacing和vertical_spacing参数来调整子图之间的水平和垂直间距，从而让整个布局更加紧凑和美观。
  1. from plotly.subplots import make_subplots
  2. import plotly.graph_objects as go
  4. fig = make_subplots(rows=2, cols=3, horizontal_spacing=0.2, vertical_spacing=0.2)
  6. fig.add_trace(go.Scatter(x=[1, 2, 3], y=[4, 5, 6]), row=1, col=1)
  7. fig.add_trace(go.Scatter(x=[20, 30, 40], y=[50, 60, 70]), row=1, col=2)
  8. fig.add_trace(go.Scatter(x=[300, 400, 500], y=[600, 700, 800]), row=1, col=3)
  9. fig.add_trace(go.Scatter(x=[4000, 5000, 6000], y=[7000, 8000, 9000]), row=2, col=1)
  10. fig.add_trace(
  11.     go.Scatter(x=[50000, 60000, 70000], y=[80000, 90000, 100000]), row=2, col=2
  12. )
  13. fig.add_trace(
  14.     go.Scatter(x=[600000, 700000, 800000], y=[900000, 1000000, 1100000]), row=2, col=3
  15. )
  17. fig.show()
复制代码
1.png

自由布局

自由布局则给予了我们更大的灵活性，通过domain参数，我们可以手动设置子图的位置，即指定子图在图表中的x和y坐标范围。
这种方式非常适合实现一些非对齐排列的子图布局，比如主图与缩略图的组合。
我们可以将主图放在较大的区域，而将缩略图放在角落，通过这种方式来辅助展示数据的局部细节。
  1. # 自由布局
  3. import plotly.graph_objects as go
  5. # 自由布局示例
  6. fig_free = go.Figure()
  8. # 添加第一个子图
  9. fig_free.add_trace(go.Scatter(x=[1, 2, 3], y=[4, 5, 6], name="Trace 1"))
  11. # 添加第二个子图
  12. fig_free.add_trace(go.Scatter(x=[20, 30, 40], y=[50, 60, 70], name="Trace 2"))
  14. # 更新布局，定义每个子图的domain
  15. fig_free.update_layout(
  16.     xaxis=dict(domain=[0, 0.7]),  # 第一个子图占据左侧70%
  17.     yaxis=dict(domain=[0, 1]),    # 第一个子图占据整个高度
  18.     xaxis2=dict(domain=[0.7, 1], anchor="y2"),  # 第二个子图占据右侧30%
  19.     yaxis2=dict(domain=[0.5, 1], anchor="x2")   # 第二个子图在右侧上方
  20. )
  22. # 更新每个trace的坐标轴引用
  23. fig_free.update_traces(xaxis="x1", yaxis="y1", selector={"name": "Trace 1"})
  24. fig_free.update_traces(xaxis="x2", yaxis="y2", selector={"name": "Trace 2"})
  26. fig_free.show()
复制代码
2.png

子图共享坐标轴

在多子图的情况下，共享坐标轴是一个非常实用的功能，通过设置shared_xaxes=True或shared_yaxes=True，可以让多个子图在同一个坐标轴上进行联动。
这样，当我们在一个子图上进行缩放或平移操作时，其他共享相同坐标轴的子图也会同步更新，从而方便我们进行多数据的对比分析。
此外，当遇到不同量纲的数据时，我们还可以通过secondary_y=True来独立控制次坐标轴，避免因量纲冲突而导致图表显示不清晰。
  1. fig = make_subplots(
  2.     rows=2,
  3.     cols=1,
  4.     shared_xaxes=True,
  5.     specs=[[{"secondary_y": True}], [{}]],
  6. )
  8. fig.add_trace(go.Scatter(x=[1, 2, 3], y=[4, 5, 6]), row=1, col=1)
  9. fig.add_trace(go.Scatter(x=[1, 2, 3], y=[40, 50, 60]), row=1, col=1, secondary_y=True)
  10. fig.add_trace(go.Scatter(x=[1, 2, 3], y=[7, 8, 9]), row=2, col=1)
  12. fig.show()
复制代码
3.gif

实战案例

下面两个案例根据实际情况简化而来，主要演示布局如何在实际项目中使用。
股票多指标分析仪表盘

示例中先构造一些模拟数据，然后采用3行1列的布局模式来显示不同的股票信息。
  1. import plotly.graph_objects as go
  2. from plotly.subplots import make_subplots
  3. import pandas as pd
  5. # 模拟股票数据
  6. df = pd.DataFrame(
  7.     {
  8.         "date": pd.date_range(start="2023-01-01", periods=100),
  9.         "price": [100 + i * 0.5 + (i % 10) * 2 for i in range(100)],
  10.         "volume": [5000 + i * 10 + abs(i % 20 - 10) * 100 for i in range(100)],
  11.         "rsi": [50 + i % 15 - 7.5 for i in range(100)],
  12.     }
  13. )
  15. # 1. 创建3行1列的子图布局
  16. fig = make_subplots(
  17.     rows=3,
  18.     cols=1,
  19.     shared_xaxes=True,  # 共享x轴
  20.     vertical_spacing=0.05,  # 子图间距
  21.     subplot_titles=("价格趋势", "成交量", "RSI 指标"),
  22. )
  24. # 2. 添加价格走势图
  25. fig.add_trace(
  26.     go.Candlestick(
  27.         x=df["date"],
  28.         open=df["price"] * 0.99,
  29.         high=df["price"] * 1.02,
  30.         low=df["price"] * 0.98,
  31.         close=df["price"],
  32.         name="股票价格",
  33.     ),
  34.     row=1,
  35.     col=1,
  36. )
  38. # 3. 添加成交量柱状图
  39. fig.add_trace(
  40.     go.Bar(x=df["date"], y=df["volume"], name="成交量", marker_color="lightgray"),
  41.     row=2,
  42.     col=1,
  43. )
  45. # 4. 添加RSI指标图
  46. fig.add_trace(
  47.     go.Scatter(x=df["date"], y=df["rsi"], name="RSI", line=dict(color="blue")),
  48.     row=3,
  49.     col=1,
  50. )
  52. # 5. 更新布局设置
  53. fig.update_layout(
  54.     title_text="多指标仪表盘",
  55.     height=800,
  56.     margin=dict(l=20, r=20, t=80, b=20),
  57.     # 主图坐标轴配置
  58.     xaxis=dict(domain=[0, 1], rangeslider_visible=False),
  59.     # 成交量图坐标轴
  60.     xaxis2=dict(domain=[0, 1], matches="x"),
  61.     # RSI图坐标轴
  62.     xaxis3=dict(domain=[0, 1], matches="x"),
  63.     # 公共y轴配置
  64.     yaxis=dict(domain=[0.7, 1], showticklabels=False),
  65.     yaxis2=dict(domain=[0.35, 0.65], showticklabels=False),
  66.     yaxis3=dict(domain=[0, 0.3], tickformat=".0%"),
  67. )
  69. # 6. 添加形状标注
  70. fig.add_shape(
  71.     type="line",
  72.     x0="2023-01-01",
  73.     y0=30,
  74.     x1="2023-04-10",
  75.     y1=70,
  76.     line=dict(color="red", width=2, dash="dash"),
  77. )
  79. fig.show()
复制代码
4.png

这是单列的布局，如果指标多的话，可以用多列的网格布局方式来布局。
物联网设备状态监控

这个示例采用自由布局实现主监控图+4个状态指标环绕。
  1. import plotly.graph_objects as go
  2. from plotly.subplots import make_subplots
  3. import numpy as np
  5. # 模拟设备数据
  6. np.random.seed(42)
  7. device_data = {
  8.     "timestamp": np.arange(100),
  9.     "temp": 25 + np.random.normal(0, 2, 100),
  10.     "pressure": 100 + np.random.normal(0, 5, 100),
  11.     "vibration": np.random.exponential(0.5, 100),
  12. }
  14. # 1. 创建2行2列的子图布局
  15. fig = make_subplots(
  16.     rows=2,
  17.     cols=2,
  18.     subplot_titles=("温度", "压力", "振动", "状态"),
  19.     specs=[
  20.         [{"type": "scatter"}, {"type": "scatter"}],
  21.         [{"type": "scatter"}, {"type": "indicator"}],
  22.     ],
  23. )
  25. # 2. 添加温度折线图
  26. fig.add_trace(
  27.     go.Scatter(
  28.         x=device_data["timestamp"],
  29.         y=device_data["temp"],
  30.         mode="lines+markers",
  31.         name="温度 (°C)",
  32.         line=dict(color="firebrick"),
  33.     ),
  34.     row=1,
  35.     col=1,
  36. )
  38. # 3. 添加压力散点图
  39. fig.add_trace(
  40.     go.Scatter(
  41.         x=device_data["timestamp"],
  42.         y=device_data["pressure"],
  43.         mode="markers",
  44.         name="压力 (kPa)",
  45.         marker=dict(size=8, color="royalblue", opacity=0.7),
  46.     ),
  47.     row=1,
  48.     col=2,
  49. )
  51. # 4. 添加振动频谱图
  52. fig.add_trace(
  53.     go.Scatter(
  54.         x=device_data["timestamp"],
  55.         y=device_data["vibration"],
  56.         mode="lines",
  57.         name="振动 (g)",
  58.         line=dict(color="forestgreen"),
  59.     ),
  60.     row=2,
  61.     col=1,
  62. )
  64. # 5. 添加状态指示器
  65. fig.add_trace(
  66.     go.Indicator(
  67.         mode="gauge+number",
  68.         value=85,
  69.         domain={"x": [0, 1], "y": [0, 1]},
  70.         title="系统健康 (%)",
  71.         gauge={
  72.             "axis": {"range": [0, 100]},
  73.             "bar": {"color": "gold"},
  74.             "steps": [
  75.                 {"range": [0, 70], "color": "red"},
  76.                 {"range": [70, 90], "color": "orange"},
  77.                 {"range": [90, 100], "color": "green"},
  78.             ],
  79.         },
  80.     ),
  81.     row=2,
  82.     col=2,
  83. )
  85. # 6. 更新布局设置
  86. fig.update_layout(
  87.     title_text="IoT 设备监控仪表盘",
  88.     height=600,
  89.     margin=dict(l=20, r=20, t=80, b=20),
  90.     showlegend=False,
  91.     # 温度图坐标轴
  92.     xaxis=dict(domain=[0, 0.45], showgrid=False),
  93.     yaxis=dict(domain=[0.55, 1], showgrid=False),
  94.     # 压力图坐标轴
  95.     xaxis2=dict(domain=[0.55, 1], showgrid=False),
  96.     yaxis2=dict(domain=[0.55, 1], showgrid=False),
  97.     # 振动图坐标轴
  98.     xaxis3=dict(domain=[0, 0.45], showgrid=False),
  99.     yaxis3=dict(domain=[0, 0.45], showgrid=False),
  100. )
  102. fig.show()
复制代码
5.png

总结

在Plotly中，子图布局对于创建高质量的数据可视化作品至关重要。
在实际应用中，对于复杂的仪表盘项目，优先采用网格布局可以保证子图之间的对齐和一致性；而对于一些创意性的场景，自由布局则能够更好地发挥我们的想象力。

来源：程序园用户自行投稿发布，如果侵权，请联系站长删除
免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！

使用道具 举报
相关推荐
B Color Image Link Quote Code Smilies
您需要登录后才可以回帖 登录 | 立即注册
发帖
靳谷雪
4 天前

0

粉丝关注

4

主题发布

板块介绍填写区域，请于后台编辑
微信扫一扫