Data Visualization with Plotly
นอกจากการใช้ Matplotlib หรือ Seaborn Libraries ใน Python แล้ว การทำ Data visualization โดยใช้ Plotly เป็นแนวทางหนึ่งที่มีประสิทธิภาพในการสร้าง Interactive และ customizable charts เป็นอีกหนึ่ง Library ที่ได้รับความนิยม สามารถทำงานได้หลากหลาย ตั้งแต่ Plot พื้นฐานไปยัง Plot ที่มีความซับซ้อน
สามารถทำการติดตั้ง Plotly โดย
pip install plotly
ตัวอย่าง Plot พื้นฐาน เช่น
1) Line Chart: 📈
import plotly.graph_objects as go
import numpy as np
x = np.linspace(0, 10, 100)
y = np.sin(x)
fig = go.Figure(data=go.Scatter(x=x, y=y, mode='lines'))
fig.show()
2) Bar Chart: 📊
import plotly.graph_objects as go
categories = ['A', 'B', 'C', 'D']
values = [4, 7, 1, 9]
fig = go.Figure(data=go.Bar(x=categories, y=values))
fig.show()
3) Scatter Plot:
import plotly.express as px
import numpy as np
x = np.random.randn(100)
y = np.random.randn(100)
fig = px.scatter(x=x, y=y)
fig.show()
4) Pie Chart: 🥧
import plotly.graph_objects as go
labels = ['Oxygen', 'Hydrogen', 'Carbon', 'Nitrogen']
values = [4500, 2500, 1053, 500]
fig = go.Figure(data=go.Pie(labels=labels, values=values))
fig.show()
5) Heatmap:
import plotly.graph_objects as go
import numpy as np
z = np.random.randn(20, 20)
fig = go.Figure(data=go.Heatmap(z=z))
fig.show()
ด้านบนแสดงตัวอย่างพื้นฐานของ Data Visualization ทั้งนี้ Plotly ยังสามารถแสดง Plot รูปแบบต่างๆ และ สามารถทำ Customization ได้ เช่น การปรับสี เพิ่ม titles สร้าง interactive charts ได้
ในการทำ Visualization ที่ซับซ้อน และทำงานกับ pandas DataFrames สามารถใช้ Plotly Express ได้
import plotly.express as px
import pandas as pd
df = px.data.gapminder().query("year == 2007")
fig = px.scatter(df, x="gdpPercap", y="lifeExp", size="pop", color="continent",
hover_name="country", log_x=True, size_max=60)
fig.show()
ตัวอย่างแสดงการสร้าง Interactive scatter plot จากข้อมูลหลายมิติ (Multiple dimensions)
Blog นี้ เขียนร่วมกับ Claude.ai โดยใช้ Prompt
Please explain data visualization with Plotly and Python code.