大家好，我是辰哥~

在最近學習plotly中，讓我在高級圖表里發(fā)現(xiàn)了treemap，居然可以很好地繪制全部4000+股票樹狀熱力圖，大家看以下就是最終效果圖，是不是很贊！

看這個圖吧，我就又要哭了，我重倉了白酒啊！！希望快點漲漲漲吧！！！

目錄：

• 1. 準備工作

• 2. 開始繪圖

  • 2.1. 簡單的例子

  • 2.2. px.treemap常用參數(shù)介紹

  • 2.3. color_continuous_scale參數(shù)介紹

  • 2.4. 大A股市樹狀熱力圖來了

  • 2.5. plotly圖片存本地

1. 準備工作

我這邊是在jupyterlab中演示的plotly圖表，如果只安裝plotly是無法正常顯示圖表的（會顯示為空白），我們需要進行以下準備(以下命令均在cmd下操作即可)：

#?安裝plotly庫及plotly-orca庫
pip?install?plotly
pip?install?plotly?plotly-orca#?Basic?JupyterLab?renderer?support
jupyter?labextension?install?jupyterlab-plotly#?OPTIONAL:?Jupyter?widgets?extension?for?FigureWidget?support
jupyter?labextension?install?@jupyter-widgets/jupyterlab-manager?plotlywidget

參考：https://github.com/plotly/plotly.py

關于本文用到的數(shù)據(jù)呢，在文末獲取

2. 開始繪圖

Treemap繪制方式有兩種，一種是在plotly.express下，一種是在go.Treemap下，我們這里用到的是前者。至于其中的區(qū)別，大概就是前者是高級版本，封裝了很多后者的復雜操作，可以直接用pandas.Dataframe類型，是現(xiàn)在主推的。更多差異大家可自行在實踐過程中感悟，畢竟才哥也說不太明白！

2.1. 簡單的例子

plotly自帶很多測試數(shù)據(jù)，我們用其中一個才試試簡單的。

import?plotly.express?as?pxdf?=?px.data.tips()
df.head()

以上數(shù)據(jù)大致就是星期幾什么餐不同性別的人支付的金額和小費數(shù)等，我們用1行代碼繪制簡單的treemap如下：

fig?=?px.treemap(df,?path=['day',?'time',?'sex'],?values='total_bill')
fig.show()

可以看到在該樹狀圖中，層級依次是在path中順序的day、time和sex，而每個色塊面積大小就是values給定的total_bill。鼠標懸停的時候，會出現(xiàn)更詳細的信息，畢竟plotly是可交互式的，這里不展開哈。

那么，px.treemap究竟還可以做什么呢？我們繼續(xù)往下看。

2.2. px.treemap常用參數(shù)介紹

讓我們直接在jupyterlab用?來獲取函數(shù)參數(shù)吧！

#?px.treemap?#?Signature:
px.treemap(data_frame=None,?#?就是你要用到的數(shù)據(jù)，names=None,?#?暫時不用values=None,?#?就是你色塊大小parents=None,?#?暫時也不用，和names組合出現(xiàn)吧ids=None,?#?暫時不用，后續(xù)暫時不用的字段我就不寫啦path=None,?#?層級，依次排開color=None,?#?顏色，比如根據(jù)?漲跌幅字段來設置顏色color_continuous_scale=None,?#?自帶的顏色尺卡，后面會介紹range_color=None,?#?顏色范圍區(qū)間，超過就是兩端值color_continuous_midpoint=None,?#?顏色尺卡最中間?的值，比如漲跌幅中間設置為?0?最合適color_discrete_sequence=None,?color_discrete_map=None,hover_name=None,hover_data=None,?#?就是懸停時?顯示字段及其格式custom_data=None,?#?額外的想顯示的數(shù)據(jù)labels=None,title=None,?#?標題咯template=None,width=None,?#?圖高height=None,?#?圖長branchvalues=None,maxdepth=None,?
)

對于更多參數(shù)的了解，大家可以自己 ? 后看哈，蠻詳細的，就是純英文的我自己看著要結(jié)合翻譯軟件也蠻累。

2.3. color_continuous_scale參數(shù)介紹

上面我們提到過該參數(shù)為 我們 treemap圖色塊顏色使用的色卡，具體有哪些可選以及這些可選項都是啥樣呢？

我們在?里找到了方向：

color_continuous_scale:?list?of?strStrings?should?define?valid?CSS-colors?This?list?is?used?to?build?acontinuous?color?scale?when?the?column?denoted?by?`color`?containsnumeric?data.?Various?useful?color?scales?are?available?in?the`plotly.express.colors`?submodules,?specifically`plotly.express.colors.sequential`,?`plotly.express.colors.diverging`and?`plotly.express.colors.cyclical`.

我們在jupyterlab里調(diào)用里面提到的方法，很開心的發(fā)現(xiàn)了它們：

import?plotly
#?大家不要急，一個個來，我這里預覽只截取了diverging的部分
plotly.express.colors.cyclical.swatches()
plotly.express.colors.sequential.swatches()
plotly.express.colors.diverging.swatches()

由于在我們國家，綠色代表跌，紅色代表漲，尋覓了半天我選取了Geyser，當然大家亦可自行選擇。

2.4. 大A股市樹狀熱力圖來了

基于以上的了解，發(fā)現(xiàn)差不多可以繪制圖了，那么來吧！

import?plotly.express?as?pxfig?=?px.treemap(df,?path=['板塊',?'企業(yè)名稱',],??#?指定層次結(jié)構，每一個層次都應該是category型的變量values='市值(億)',?#?需要聚合的列名color='漲幅',?range_color?=?[-0.05,?0.05],?#?色彩范圍最大最小值hover_data=?{'漲幅':':.2%','市值(億)':':.2f'},?#?鼠標懸浮顯示數(shù)據(jù)的格式height?=?1080,width?=?1920,color_continuous_scale='Geyser',color_continuous_midpoint=0?,?#?顏色變化中間值設置為增長率=0)
fig.update_traces(textinfo='label+value',textfont?=?dict(size?=?24))?#?顯示企業(yè)名稱和市值，字體24
fig.show()

2.5. plotly圖片存本地

這里是指圖片哦，不是html文件哈！

大家還記得我們在準備工作中 安裝orca ，沒事，不記得的話，重新裝一下就行了。

pip?install?plotly?plotly-orca

對于我們繪制好的plotly圖表對象，以下方式可以進行本地保存。

import?plotly.io?as?piopio.write_image(fig,?'樹狀云圖png')

當然，要是覺得麻煩，其實你還可以直接點擊圖表最右上角的攝像頭進行下載哈！

那么，以上就是本次全部內(nèi)容，大家想了解更多可以直接官方網(wǎng)站研究，教程案例還是蠻詳細，多折騰搗鼓效果更佳！

參考：https://plotly.com/python/treemaps/#

本文代碼和數(shù)據(jù)集，后臺回復：211105

最后

可視化 Python 打包 exe，這個神器絕了

教你輕松爬取全國40城5000+地鐵站點數(shù)據(jù)！(附源碼)

輸出好看的表格，就用這個 Python 庫！

總結(jié)

以上是生活随笔為你收集整理的我用Python爬取了4000+股票数据，并用plotly绘制了树状热力图(treemap)的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。