0. 古木阴中系短篷
一个星期加班加点的，下篇论文的准备工作基本做好了。但是错过了七月份的一个会议，八月的会是没有检索的，自然没有投的必要了。所以写论文的工作暂时放一下。
最近入手了一本4月出版的《Python数据分析：基于Plotly的动态可视化绘图》。在深度学习论文中实在需要大量好看的图表了，可视化展示可以说是论文第一眼看上去，能不能出彩的重中之重了。客观来讲，如果总是先导出jason格式或者CSV数据再用第三方工具如Matlab来绘制可能会有些麻烦（虽然这是我最熟悉也最常用的方法，图表样式等等都是后期靠自己的论文审美绘制）；而常用的Python绘图库Matplotlib还是有一些不方便，后续会结合书上的讲解做一个详细的说明和搬运。在写一个index界面，但是东西太多了没弄完....实在弄着太累了。对论文图表帮助很大。
注：更新，为方便学习Plotly（安利~），代码含图书目录已经上传至百度云盘。链接：https://pan.baidu.com/s/15P7NJGioPwRST1TbGVqVFA，密码：fove。
图0 未完成的图书index.html
Plotly是一个非常优秀的顶级绘图模块，但在国内知名度不是很高，导致网上缺少一些对Plotly这个绘图库的教程。但Plotly是以后一定肯定确定会火起来的，因为真的很符合论文审美，关键是改数据太方便了（这个可能是关键原因吧哈哈哈，后面会有解释）。
秋涵喵的博客会跟进一些对这本书的学习内容。今天就从Plotly的简介、第一次使用Plotly绘制图形这两方面入手吧。
1. 杖藜扶我过桥东
首先聊一聊最经典和广泛的Python可视化绘图库Matplotlib。Matplot是仿Matlab风格的绘图库，做的是Matlab的封装，绘制风格和Matlab相似（书上是这么说，不过我觉得Matlab的图更偏古典更好看，而Matplot更圆润一些偏现代审美？？）。下面用我之前论文中用Matlab画的图和平时代码用于可视化的Matplot图供大家对比一下。
图1 Matlab与Matplot风格比较
然后呢，要总结一下Matplot的缺点，不然我们也不会买本书来看Plotly这个库怎么用吧。
Matplot的主要缺点有两点：
- Matplot是一个静态绘图模块。每次跑完程序出一张图，如果想改数据....就要改程序重新跑一边，再看看图合不合理。这不方便我们对论文中的可视化展示进行“微调”（emmmmm~）。
- 其次Matplot绘制的结果不是很方便跟别人分享，因为仅仅是一张静态的图片。
综合上面两点，Plotly应运而生。它底层使用的plotly.js，是之前很火的D3.js、stack.gl和SVG，用JavaScript在网页上实现类似Matlab和Matplot的图像展示功能。而且内置的绘图模块更丰富，支持在线API接口调用和离线两种生成可视化的方式。
可以说Plotly绘图模块库既有Matplot的强大与灵活，又有Seaborn统计绘图模块库的现代配色组合与优雅报表形式（这些优点都抵不过能让我们动态改数据，重要的事情说三遍）。相当于每次运行Plotly的程序，生成的不再是图片，而是弹出一个内嵌JS的脚本HTML文件，再对图片进行存储和进一步处理就比较方便了。下图列举书上的一个图表样例，可以说是非常美观和扁平了，而且很方便改数据！
图2 一个由Plotly绘制的图和表
书上列举了一些Plotly的有点如下：
- Plotly本身是一款独立的Web版可视化工具，界面友好，提供强大的互动性操作。
- 基于现代的配色组合和图表形式，相比Matplot、R语言的图表，更加现代和绚丽。
- 具有简单且强大的3D图表绘制功能，支持多种格式。
- 对图形参数的修改十分简单、直观，便于初学者。
- 有Python、R、Matlab、Jupyter、Excel等多种版本的接口。
- 与Pandas数据分析软件无缝集成，并提供了专门的Plotly绘图模块库，设计的图表非常吸引人，而且具有高度互动性，这得益于其完善的文档和简单的Python API，用户入门也很容易。
- 目前，Plotly绘图模块库支持的图表格式如下：
- 基本图表：20种
- 统计和海运方式图：12种
- 科学图表：21种
- 财务图表：2种
- 地图：8种
- 3D图表：19种
- 报告生成：4种
- 连接数据库：7种
- 拟合工具：3种
- 流动图表：4种
图3 官网给出的一些示例
2. 沾衣欲湿杏花雨
下面我们还是从这个库的使用、第一个Plotly绘图程序说起吧。
首先需要安装Plotly绘图库，用pip install plotly或者pycharm的三方管理都可以下载到。
图3 安装Plotly库
前面说了，Plotly支持在线和离线两种使用模式，所以我们需要去官网进行在线初始化。官网链接为：https://plot.ly/ 。先注册一个你的账号并进行登录，在右上角打开setting项后，在界面左边一栏找到API Keys这一项。获取你自己username对应的API Keys。
图4 在线初始化
把Username和API Key记下来，创建一个.py程序如下，只需要运行一次就可以完成凭证设置：
|
# -*- coding: utf-8 -*-
import plotly plotly.tools.set_credentials_file(username='XXXXX',api_key='XXXX') |
会在当前用户目录产生一个凭证文件.plotly/.credentials，这个就不用管了。我们开始绘制我们的第一个Plotly图像。
- 在线方式
|
# -*- coding: utf-8 -*-
import plotly.plotly as py from plotly.graph_objs import * trace0 = Scatter( x=[1, 2, 3, 4], y=[10, 15, 13, 17] ) trace1 = Scatter( x=[1, 2, 3, 4], y=[16, 5, 11, 9] ) data = Data([trace0, trace1]) py.plot(data, filename = 'first_start') |
效果如下图所示：
图5 产生的html内容
HTML上有很多的脚本功能可以自行测试一下，可以说改数据是相当方便。例如单击右上角图例的trace0，就可以把蓝线隐去；滚动滑轮可以控制横纵坐标缩放比等等等等。
- 离线方式
没有太大的差别，只是调用时使用py.offline.plot()方法。不同于在线方式，在线方式是将你绘制的图形公开保存在官网上。而离线的方式允许在没有网络的情况下，在本地产生一个HTML文件。效果就不再展示了。
|
import plotly as py
from plotly.graph_objs import Scatter, Layout, Data trace0 = Scatter( x=[1, 2, 3, 4], y=[10, 15, 13, 17] ) trace1 = Scatter( x=[1, 2, 3, 4], y=[16, 5, 11, 9] ) data = Data([trace0, trace1]) py.offline.plot(data, filename = 'first_offline_start.html') |
3. 吹面不寒杨柳风
关于第一章的学习就到这了，算是给大家强烈安利使用Plotly进行绘图。然后书上的代码在github上链接为：https://github.com/sunshe35/PythonPlotlyCodes 。最后再放几个炫酷的图表作为结束吧，之后学习了会继续更新关于Plotly的东西。
图6 一些示例
我要先帮老师做一个类似下图的图书index了。
