在Python中使用 Plotly 绘制森伯斯特图

Plotly是一个Python库，用于设计图形，尤其是交互式图形。它可以绘制各种图形和图表，如直方图、条形图、箱线图、散布图等等。它主要用于数据分析和财务分析。 plotly 是一个交互式可视化库。

Plotly 中的森伯斯特情节

森伯斯特图从根到叶逐渐可视化分层数据。根部从中心开始，喷出添加到外环。层次结构的每一级由一个环或最内圈的圆圈表示，进一步的环被分成表示数据点的切片，切片的大小表示数据值。

Syntax: plotly.express.sunburst(data_frame=None, names=None, values=None, parents=None, path=None, ids=None, color=None, color_continuous_scale=None, range_color=None, color_continuous_midpoint=None, color_discrete_sequence=None, color_discrete_map={}, hover_name=None, hover_data=None, custom_data=None, labels={}, title=None, template=None, width=None, height=None, branchvalues=None, maxdepth=None)

Parameters:

data_frame: This argument needs to be passed for column names (and not keyword names) to be used. 

names: Either a name of a column in data_frame, or a pandas Series or array_like object. Values from this column or array_like are used as labels for sectors.

values:  Either a name of a column in data_frame or a pandas Series or array_like object. Values from this column or array_like are used to set values associated to sectors.

parents: Either a name of a column in data_frame, or a pandas Series or array_like object. Values from this column or array_like are used as parents in sunburst and treemap charts.

path: Either names of columns in data_frame, or pandas Series, or array_like objects List of columns names or columns of a rectangular dataframe defining the hierarchy of sectors, from root to leaves. 

ids: Either a name of a column in data_frame, or a pandas Series or array_like object. Values from this column or array_like are used to set ids of sectors

例子：

Python3

import plotly.express as px
  
df = px.data.iris()
  
fig = px.sunburst(df, path=['sepal_length', 
                            'sepal_width',
                            'petal_length'], 
                  values='petal_width')
fig.show()

输出：

绘制分层数据

矩形数据框表示分层数据，其中不同的列对应于不同的层次结构。绘制这样的列路径参数被使用。路径参数采用 data_frame 或 pandas Series 中的列名称，或 array_like 对象，列名称列表或定义扇区层次结构的矩形数据框的列，从根到叶。

注意：当 id 或父母与路径一起传递时，会引发错误。

例子：

Python3

import plotly.express as px
  
df = px.data.tips()
  
fig = px.sunburst(df, path=['day', 'sex'], 
                  values='total_bill')
fig.show()

输出：

使用连续颜色参数绘制分层数据

如果传递了颜色参数，则节点的颜色将通过其子节点的值计算为其子节点的平均颜色值。

例子：

Python3

import plotly.express as px
  
df = px.data.tips()
  
fig = px.sunburst(df, path=['day', 'sex'], 
                  values='total_bill', color='total_bill')
fig.show()

输出：

使用离散颜色参数绘制分层数据

当将非数值数据传递给颜色参数时，将使用离散数据。如果一个扇区的颜色列对其所有子项具有相同的值，则使用相应的颜色，否则将使用相同的离散颜色的第一种颜色。

例子：

Python3

import plotly.express as px
  
df = px.data.tips()
  
fig = px.sunburst(df, path=['day', 'sex'], 
                  values='total_bill', color='time')
fig.show()

输出：

绘制具有缺失值的分层数据

如果数据集的形状不是完全矩形，则应将缺失值视为无。父母的所有条目都必须是叶子，否则将引发 valueError。

例子：

Python3

import plotly.express as px
import pandas as pd
  
  
A = ["A", "B", "C", "D", None, "E",
           "F", "G", "H", None]
  
B = ["A1", "A1", "B1", "B1", "N",
           "A1", "A1", "B1", "B1", "N"]
C = ["N", "N", "N", "N", "N",
           "S", "S", "S", "S", "S"]
D = [1, 13, 21, 14, 1, 12, 25, 1, 14, 1]
  
df = pd.DataFrame(
    dict(A=A, B=B, C=C, D=D)
)
  
fig = px.sunburst(df, path=['C', 'B', 'A'], values='D')
fig.show()

输出：