AI，量化的plotly数据可视化简化接口：Plotly Express

ziwang

AI，量化的plotly数据可视化简化接口：Plotly Express

Plotly 是新一代的数据可视化神器，TopQ量化开源团队，还特意出版了国内首部plotly中文图书，参见：
全网第一部中文专著：plotly可视化数据分析 – 极宽 http://www.topquant.vip/?p=456
Plotly互动型python绘图神器 – 极宽 http://www.topquant.vip/?p=343

plotly虽然功能强大，却一直没有得到广泛应用，大部分py开发人员，还在使用陈旧的matplot，其中最重要的原先，就最与plotly的设置过于繁琐。
为此，plotly推出了其简化接口：Plotly Express，简称：px
px之于plotly，和py可视化数据分析，类似keras于TensroFlow、pyTorch等神经网络平台。
px采用ROR等新一代“约定优先”编程模式，内置了大量实用、现代的绘图模板，用户只需调用简单的api函数，即可生成漂亮的互动画面。
px Plotly.py 的高级封装，它为复杂的图表提供了一个简单的语法。
px与 Plotly 生态系统的其他部分完全兼容：在您的 Dash 应用程序中使用它，使用 Orca 将您的数据导出为几乎任何文件格式，或使用JupyterLab 。

px内置了的图表组合，涵盖了90%常用的绘图需要：

常用图表：

• line，线条图，line_polar 极坐标线条图，line_ternary 三元线条图。line_mapbox 地图线条图，line_geo，地理坐标线条图
• scatter，散点图，scatter_3d，三维散点图，scatter_polar，极坐标散点图，scatter_ternary，三元散点图，scatter_mapbox，地图散点图，scatter_geo _地理坐标散点图，scatter_matrix 矩阵散点图
• bar，条形图，bar_polar，极坐标条形图
• area，面积图
  

其他专业图表：

• violin，小提琴图
• box，箱形图
• histogram，直方图（histograms）
• choropleth，等高（值）线图
• density_contour，密度等高线图（双变量分布的密度等高线图）
• parallel_coordinates，平行坐标
• parallel_categories，平行类别#
  

由于网络问题，px的绘图，一般也是采用plotly.offline离线模式。一般会在程序开头，通过一下语句：
pyplt=plotly.offline
以简化代码

px，plotly的离线绘图有两种模式：

• plotly.offline.plot()，以离线方式，在当前工作目录（或指定文件名），生成html格式的互动图像文件，或者位图文件，并自动打开。
• plotly.offline.iplot()，是在jupyter notebook中专用的方法，即将生成的图形嵌入到ipynb文件中。
  

通常，我们采用前面一种方式：
plotly.offline.plot()
其简化形式为：
pyplt.plot()

plotly.offline.plot()的主要参数有：

• 　　figure_or_data：plotly绘图object对象数据。
• 　　show_link：bool型，建议为False，用于调整输出的图像是否在右下角带有plotly的标记
• 　　link_text：str型输入，用于设置图像右下角的说明文字内容（当show_link=True时），默认为’Export to plot.ly’
• 　　image：str型或None，建议为空值，或者：’png’，控制生成图像的下载格式，有’png’、’jpeg’、’svg’、’webp’，默认为None，即不会为生成的图像设置下载方式
• 　　filename：str型，默认为’plot’，保存的互动html图像的文件名，文件后缀必须是；’.html’（或者不写），文件名可以带路径。
• 　　image_height：int型，控制图像高度的像素值，默认为600
• 　　image_width：int型，控制图像宽度的像素值，默认为800
  

需要说明的s，网络上面的各种案例当中，都存在一个严重的bug，无法输出图形。
这是因为以下两个原因：
#1，plot绘图前，没有运行init初始化语句：
pyplt.init_notebook_mode()

#2，直接调用px进行绘图，无法生成真正的图形。
必须先设置：px绘图生成的obj图形对象，保存到变量，再导入到plotly的plot绘图函数，才能真正生成图片。
xdr = px.scatter(df,x=’date’,y=’close’,color=’volume’,size=’volume’)
pyplt.plot(xdr,filename=’tmp/x001′,show_link=False,image=’png’)

以下是完整的px案例核心代码。

#
import plotly_express as px
import plotly
#
#----------------------
pyplt=plotly.offline
#plotly.offline.init_notebook_mode()
pyplt.init_notebook_mode()
#------------------------------------
#
#
df=pd.read_csv('data/002046.csv') #2018
print(df.tail())
#

#
#xdr = px.line(df,x='date',y='close')
#
#xdr = px.scatter(df,x='date',y='close',color='volume')
#
xdr = px.scatter(df,x='date',y='close',color='volume',size='volume')
#
pyplt.plot(xdr,filename='tmp/x001',show_link=False,image='png')
#--------------
print('\n @zok',px.__version__)
print('\n @zok')

以下是案例运行结果：
         date open high low close volume
238 2018-01-08 9.526 9.586 9.436 9.526 16978.0
239 2018-01-05 9.636 9.636 9.506 9.586 18380.0
240 2018-01-04 9.546 9.755 9.536 9.656 29127.0
241 2018-01-03 9.536 9.685 9.486 9.536 21140.0
242 2018-01-02 9.296 9.536 9.286 9.506 21979.0

由以上输出数据可以看出，案例使用的数据文件代码，是标准的股票日线数据OHLC格式。
股票代码，是A股代码：002046（王家卫又来来）

以下为案例的对应截图，分别对应案例当中的相关语句：

#1

xdr = px.line(df,x=’date’,y=’close’)

#2

xdr = px.scatter(df,x=’date’,y=’close’,color=’volume’)

#3
xdr = px.scatter(df,x=’date’,y=’close’,color=’volume’,size=’volume’)

#

其中，#2，#3两张scatter点图当中，通过以下语句：
xdr = px.scatter(df,x=’date’,y=’close’,color=’volume’)
xdr = px.scatter(df,x=’date’,y=’close’,color=’volume’,size=’volume’)

我们使用了类似hotmap热度图的颜色，以及点的size大小，来表示vol成交量的多少。