【Python百日进阶-数据分析】Day138 - plotly甘特图:px.timeline()

news/2024/12/2 18:06:40/

文章目录

  • 一、语法
  • 二、参数
  • 三、返回值
  • 四、实例
    • 4.1 带有 plotly.express 的甘特图和时间表
      • 4.1.1 普通甘特图
      • 4.1.2 px.timeline 的离散颜色
      • 4.1.3 px.timeline 的连续颜色
      • 4.1.4 同一水平线上有多个条
      • 4.1.5 Dash中使用甘特图

一、语法

甘特图是一种条形图，用于说明项目进度。该图表在垂直轴上列出了要执行的任务，在水平轴上列出了时间间隔。图表中水平条的宽度显示了每个活动的持续时间。

plotly.express.timeline(data_frame=None, x_start=None, x_end=None, y=None, color=None, facet_row=None, facet_col=None, facet_col_wrap=0, facet_row_spacing=None, facet_col_spacing=None, hover_name=None, hover_data=None, custom_data=None, text=None, animation_frame=None, animation_group=None, category_orders=None, labels=None, color_discrete_sequence=None, color_discrete_map=None, color_continuous_scale=None, range_color=None, color_continuous_midpoint=None, opacity=None, range_x=None, range_y=None, title=None, template=None, width=None, height=None)

在时间线图(甘特图)中， 的每一行都data_frame表示为类型为 x 轴上的矩形标记date，范围从x_start到x_end。

二、参数

  • data_frame ( DataFrame或类似数组的或dict ) – 需要传递此参数才能使用列名（而不是关键字名）。Array-like 和 dict 在内部转换为 pandas DataFrame。可选：如果缺少，则使用其他参数在后台构建 DataFrame。

  • x_start ( str或int或Series或array-like ) – 中的列名data_frame，或者 pandas Series 或 array_like 对象。（必需）此列或 array_like 中的值用于在笛卡尔坐标中沿 x 轴定位标记。

  • x_end ( str或int或Series或array-like ) – 中的列名data_frame，或者 pandas Series 或 array_like 对象。（必需）此列或 array_like 中的值用于在笛卡尔坐标中沿 x 轴定位标记。

  • y（str或int或Series或array-like）– 中的列名data_frame，或者 pandas Series 或 array_like 对象。此列或 array_like 中的值用于在笛卡尔坐标中沿 y 轴定位标记。

  • color（str或int或Series或array-like）– 中的列名data_frame，或者 pandas Series 或 array_like 对象。此列或 array_like 中的值用于为标记分配颜色。

  • facet_row ( str或int或Series或array-like ) – 中的列名data_frame，或者 pandas Series 或 array_like 对象。此列或 array_like 中的值用于在垂直方向上为多面子图分配标记。

  • facet_col ( str或int或Series或array-like ) – 中的列名data_frame，或者 pandas Series 或 array_like 对象。此列或 array_like 中的值用于在水平方向上为多面子图分配标记。

  • facet_col_wrap ( int ) – 最大分面列数。以该宽度包装列变量，以便列分面跨越多行。如果为 0，则忽略，如果设置facet_row了或 a ，marginal则强制为 0。

  • facet_row_spacing ( float between 0 and 1 ) – 分面行之间的间距，以纸张为单位。使用 facet_col_wrap 时，默认值为 0.03 或 0.0.7。

  • facet_col_spacing ( float between 0 and 1 ) – 分面列之间的间距，以纸张为单位默认为 0.02。

  • hover_name（str或int或Series或array-like）- 中的列名data_frame，或者 pandas Series 或 array_like 对象。此列或 array_like 中的值在悬停工具提示中以粗体显示。

  • hover_data ( list of str or int , or Series or array-like , or dict ) – 或者 pandas Series 中的列名列表data_frame，或者是 array_like 对象或者以列名作为键的 dict，值为 True （默认为格式）False（为了从悬停信息中删除此列）或格式字符串，例如 ‘:.3f’ 或 ’ | %a’ 或类似列表的数据出现在悬停工具提示中，或带有布尔或格式化字符串的元组作为第一个元素，以及类似列表的数据作为第二个元素出现在悬停中 这些列中的值在悬停工具提示中显示为额外数据.

  • custom_data（str或int的列表，或Series或类似数组）——data_frame或 pandas Series 或 array_like 对象中的列名称这些列的值是额外数据，例如用于小部件或 Dash 回调。此数据对用户不可见，但包含在图形发出的事件中（套索选择等）

  • text ( str或int或Series或array-like ) – 中的列名data_frame，或者 pandas Series 或 array_like 对象。此列或 array_like 中的值在图中显示为文本标签。

  • animation_frame ( str或int或Series或array-like ) – 中列的名称data_frame，或者 pandas Series 或 array_like 对象。此列或 array_like 中的值用于为动画帧分配标记。

  • animation_group ( str或int或Series或array-like ) – 中的列名data_frame，或者 pandas Series 或 array_like 对象。此列或 array_like 中的值用于提供跨动画帧的对象恒定性：具有匹配 animation_group 的行将被视为描述每个帧中的相同对象。

  • category_orders（带有 str 键和 str 值列表的字典（默认{}））——默认情况下，在 Python 3.6+ 中，轴、图例和构面中的分类值的顺序取决于这些值第一次遇到的顺序data_frame（并且没有在低于 3.6 的 Python 中默认保证顺序）。此参数用于强制对每列的值进行特定排序。此 dict 的键应对应于列名，值应是与所需的特定显示顺序相对应的字符串列表。

  • labels （带有 str 键和 str 值的字典（默认{}））——默认情况下，列名在图中用于轴标题、图例条目和悬停。这个参数允许它被覆盖。此 dict 的键应对应于列名，值应对应于要显示的所需标签。

  • color_discrete_sequence ( list of str ) – 字符串应该定义有效的 CSS 颜色。当color设置为 且对应列中的值不是数字时，该列中的值通过color_discrete_sequence 按 中描述的顺序循环分配颜色category_orders，除非 的值 color是 中的键color_discrete_map。子模块中提供了各种有用的颜色序列plotly.express.colors，特别是plotly.express.colors.qualitative.

  • color_discrete_map（带有 str 键和 str 值的字典（默认{}））——字符串值应定义有效的 CSS-colors 用于覆盖 color_discrete_sequence以将特定颜色分配给与特定值对应的标记。中的键color_discrete_map应该是由 表示的列中的值color。或者，如果 的值color是有效颜色，则’identity’可以传递字符串以直接使用它们。

  • color_continuous_scale ( list of str ) – 字符串应定义有效的 CSS-colors 此列表用于在由 表示的列color包含数字数据时构建连续的色标。子模块中提供了各种有用的色标 plotly.express.colors，特别 plotly.express.colors.sequential是plotly.express.colors.diverging 和plotly.express.colors.cyclical。

  • range_color（两个数字的列表）–如果提供，则覆盖连续色标上的自动缩放。

  • color_continuous_midpoint (number (default None)) – 如果设置，计算连续色标的边界以获得所需的中点。plotly.express.colors.diverging建议在使用色标作为 的输入 时设置此值 color_continuous_scale。

  • opacity ( float ) – 介于 0 和 1 之间的值。设置标记的不透明度。

  • range_x (两个数字的列表) – 如果提供，则覆盖笛卡尔坐标中 x 轴上的自动缩放。

  • range_y (两个数字的列表) – 如果提供，则覆盖笛卡尔坐标中 y 轴上的自动缩放。

  • title ( str ) – 图形标题。

  • template （str或dict或plotly.graph_objects.layout.Template 实例）–图形模板名称（必须是 plotly.io.templates 中的键）或定义。

  • width (int (default None)) – 图形宽度（以像素为单位）。

  • height (int (default None)) – 以像素为单位的图形高度。

三、返回值

plotly.graph_objects.Figure

四、实例

4.1 带有 plotly.express 的甘特图和时间表

Plotly Express是 Plotly 的易于使用的高级界面，它对各种类型的数据进行操作并生成易于样式化的图形。使用px.timeline（在 4.9 版中引入）每个数据点都表示为一个水平条，其起点和终点指定为日期。

该px.timeline函数默认将 X 轴设置为 of type=date，因此可以像任何时间序列图一样进行配置。

4.1.1 普通甘特图

import plotly.express as px
import pandas as pddf = pd.DataFrame([dict(Task="Job A", Start='2009-01-01', Finish='2009-02-28'),dict(Task="Job B", Start='2009-03-05', Finish='2009-04-15'),dict(Task="Job C", Start='2009-02-20', Finish='2009-05-30')
])fig = px.timeline(df, x_start="Start", x_end="Finish", y="Task")
fig.update_yaxes(autorange="reversed") # 否则，任务将自下而上列出
fig.show()

在这里插入图片描述

4.1.2 px.timeline 的离散颜色

import plotly.express as px
import pandas as pddf = pd.DataFrame([dict(Task="Job A", Start='2009-01-01', Finish='2009-02-28', Resource="Alex"),dict(Task="Job B", Start='2009-03-05', Finish='2009-04-15', Resource="Alex"),dict(Task="Job C", Start='2009-02-20', Finish='2009-05-30', Resource="Max")
])fig = px.timeline(df, x_start="Start", x_end="Finish", y="Task", color="Resource")
fig.update_yaxes(autorange="reversed")
fig.show()

在这里插入图片描述

4.1.3 px.timeline 的连续颜色

import plotly.express as px
import pandas as pddf = pd.DataFrame([dict(Task="Job A", Start='2009-01-01', Finish='2009-02-28', Completion_pct=50),dict(Task="Job B", Start='2009-03-05', Finish='2009-04-15', Completion_pct=25),dict(Task="Job C", Start='2009-02-20', Finish='2009-05-30', Completion_pct=75)
])fig = px.timeline(df, x_start="Start", x_end="Finish", y="Task", color="Completion_pct")
fig.update_yaxes(autorange="reversed")
fig.show()

在这里插入图片描述

4.1.4 同一水平线上有多个条

注意：设置color为与 相同的值时y，autorange不应设置为reverse，以便按照与图例条目相同的顺序列出 Y 轴的值。

import plotly.express as px
import pandas as pddf = pd.DataFrame([dict(Task="Job A", Start='2009-01-01', Finish='2009-02-28', Resource="Alex"),dict(Task="Job B", Start='2009-03-05', Finish='2009-04-15', Resource="Alex"),dict(Task="Job C", Start='2009-02-20', Finish='2009-05-30', Resource="Max")
])fig = px.timeline(df, x_start="Start", x_end="Finish", y="Resource", color="Resource")
fig.show()

在这里插入图片描述

4.1.5 Dash中使用甘特图

import plotly.graph_objects as go # or plotly.express as pximport dash
from dash import html, dccfig = go.Figure() # or any Plotly Express function e.g. px.bar(...)
# fig.add_trace( ... )
# fig.update_layout( ... )app = dash.Dash()
app.layout = html.Div([dcc.Graph(figure=fig)
])app.run_server(debug=True, use_reloader=False)  # Turn off reloader if inside Jupyter

http://www.ppmy.cn/news/6722.html

相关文章

Docker常用操作命令总结（一）

Docker常用操作命令总结（一）

文章目录一、Docker的应用场景二、Docker 的优点三、Docker 架构四、安装Docker1、更新 apt 包索引2、安装docker3、安装完成之后，运行命令sudo docker info，检查安装状态4、有可能，第一次需要手动启动服务.就需要执行下面的命令，…
阅读更多...
最优化方法——最小二乘法与梯度下降法

最优化方法——最小二乘法与梯度下降法

目录 系列文章目录 一、问题 二、实验思路综述 1.实验工具及算法 2.实验数据 3.实验目标 4.实验步骤 三、最小二乘问题引入 1.最小二乘问题样例 2.最小二乘问题解决方案及数学模型化 3.相关线性代数知识导入 3.1 梯度 3.2 矩阵的逆 3.3 QR分解 四、最小二乘法 …
阅读更多...
怎么看懂单片机时序图？

怎么看懂单片机时序图？

本人没有上过单片机相关的专业课，是在《计算机系统结构》里遇见的时序图。由于看不懂加之老师没有专门讲，因此自行查阅了相关的视频和博客。（参考视频已放在文末） 网上资源贫瘠，不过我也不需要太过深入的知识。 大家…
阅读更多...
BufferedWriter带有缓冲区的字符输出流

BufferedWriter带有缓冲区的字符输出流

package com.javase.io;import java.io.*;/*** BufferedWriter:带有缓冲区的字符输出流* OutputStreamWriter:转换流 把字节输出流（FileOutputStream）转换成字符输出流*/ public class BufferedWriterText {public static void main(String[] args) {Bu…
阅读更多...
【C++】侯捷C++面向对象高级编程(下)

【C++】侯捷C++面向对象高级编程(下)

转换函数(conversion function) 可以把"这种"东西，转化为"别种"东西。 即Fraction ——> double class Fraction { public:Fraction(int num, int den 1) :m_numerator(num), m_denominator(den) {}operator double()const {return ((dou…
阅读更多...
使用 Docker Hub 完美地存储 Helm 图表实战

使用 Docker Hub 完美地存储 Helm 图表实战

使用 Docker Hub 完美地存储 Helm 图表实战 Helm 是 Kubernetes 的包管理器。它是一个开源容器编排系统。它通过提供一种简单的方法来定义、安装和升级复杂的 Kubernetes 应用程序，帮助您管理 Kubernetes 应用程序。 使用 Helm，您可以将您的应用程序打包…
阅读更多...
【几种可调动对象，Function和bind；线程的调动方式举例】

【几种可调动对象，Function和bind；线程的调动方式举例】

1.可调动对象的调动方式 方法 1、函数指针调动 方法2 、类类型的括号的重载 调动可调动对象 #include<iostream> #include<functional> using namespace std; struct Foo {void operator()(int x){cout<<"Foo operator "<<x<<endl;}…
阅读更多...
【VUE3】保姆级基础讲解（三）非父子组件通讯，$refs，动态组件，keep-alive，Composition API

【VUE3】保姆级基础讲解（三）非父子组件通讯，$refs，动态组件，keep-alive，Composition API

目录 非父子组件通讯 全局事件总线mitt库 组件的生命周期 $refs 动态组件 keep-alive 异步打包 v-model绑定组件 Composition API 定义响应式数据 readonly toRefs与toRef computed $ref 生命周期钩子 provide和inject watch侦听 watchEffect script setup语法…
阅读更多...
最新文章

Copyright @ 2022~2023