① python使用plotly生成了多個離線圖表，如何將他們合並成一個html做展示
本人在使用groovy爬取了全國3000+城市的歷史天氣之後，需要把每個城市的歷史天氣都繪制一張Time Series表格，用來反映各地的最高溫最低溫溫差的變化曲線。這里遇到了一個問題，每次plotly繪制完圖標總會調起系統瀏覽器打開呈現，一旦我批量生成N多張表格時，電腦就會卡死了。在使用中文作為文件名的時候遇到了一個錯誤，這個錯誤剛好能巧妙解決這個問題。在不同編碼格式的字元拼接時文件路徑時，會報錯，報錯內容如下：
'ascii' codec can't encode characters in position 69-70: ordinal not in range(128)
然後程序停止運行，但是文件已經生成了。在做了異常處理後，剛好能滿足需求。關於python2.7的編碼問題，並不是很了解為什麼出這個錯。有大神了解的可以分享一下。
python部分的代碼如下：
#!/usr/bin/python
# coding=utf-8
from first.date import DatePlot
import os
from second.MysqlFission import MysqlFission
import shutil
import time
class Fission:
x = []
y = []
z = []
d = []
def __init__(self):
print "歡迎使用fission類!"
# def __init__(self,x,y,z,d):
# def __init__(self,name):
# self.name = name
# print "歡迎使用fission類!"
def getData(self, name):
size = 0;
with open("/Users/Vicky/Documents/workspace/source_api/long/" + name + ".log") as apidata:
for i in apidata:
data = i.split(" ")[0].split("|")[0]
low = i.split(" ")[0].split("|")[1]
high = i.split(" ")[0].split("|")[2]
diff = int(high) - int(low)
self.x.append(data)
self.y.append(low)
self.z.append(high)
self.d.append(diff)
size += 1;
def getDataMarkLine(self, name):
with open("/Users/Vicky/Documents/workspace/source_api/long/" + name + ".log") as apidata:
for i in apidata:
data = i.split(" ")[0].split("|")
day = data[0]
time = float(data[1])
self.x.append(day)
self.y.append(time)
return [self.x, self.y]
if __name__ == "__main__":
names = []
for name in names:
name = u"三沙"
sql = MysqlFission()
sql.getWeather(name)
fission = Fission()
fission.x = []
fission.y = []
fission.z = []
fission.d = []
fission.getData(name)
try:
DatePlot.MakePlotTwo(fission.x, name, high=fission.y, low=fission.z, diff=fission.d)
except BaseException:
print 2
shutil.file(name + ".html", "/Users/Vicky/Desktop/w/" + name + ".html")
os.remove(name + ".html")
time.sleep(5)
下面是北京市的效果圖：
② 有哪些值得推薦的數據可視化工具
1.plotly 2.R ggplot23.無需編程語言的工具（7個）4.基於JavaScript實現的工具（8個）5.基於其他語言的工具（5個）6.地圖數據可視化工具（7個）7.金融（股票）數據可視化工具（2個）8.時間軸數據可視化工具（2個）9.函數與公式數據可視化工具（2個）10.其他（3個）共計37個工具
③ 用plotly畫圖報錯 NameError ：name 'go' is not defined
原因：go函數未被導入和命名，這是plotly里的基礎作圖函數（Basic Bar Chart with plotly.graph_objects）導入即可。
如下操作即可解決：
import plotly.graph_objects as go
詳見鏈接
網頁鏈接
④ python plotly 怎麼使用
Plot.ly是一個用於做分析和可視化的在線工具,Plotly與pandas可以無縫地集成，可以做出很多非常豐富，互動的圖表，並且文檔非常健全，創建條形圖相對簡單，另外申請了API密鑰後，可以一鍵將統計圖形同步到雲端。
下面是一個用Ploty畫直方圖的例子，我參考的是這篇文章http://www.dcharm.com/?p=599
importplotly.plotlyaspy
importpandasaspd
fromplotly.graph_objsimport*
fromplotly.offlineimportplot
budget=pd.read_csv("mn-budget-detail-2014.csv")
budget=budget.sort('amount',ascending=False)[:10]
data=Data([
Bar(
x=budget["detail"],
y=budget["amount"]
)
])
layout=Layout(
title='2014MNCapitalBudget',
font=Font(
family='Raleway,sans-serif'
),
showlegend=False,
xaxis=XAxis(
tickangle=-45
),
bargap=0.05
)
fig=Figure(data=data,layout=layout)
⑤ python的plotly的這個show＿link＝False是什麼意思
show_link：bool型，用於調整輸出的圖像是否在右下角帶有plotly的標記
False 不顯示
True 顯示
⑥ 求助Python可視化庫plotly_express
應該是你那個函數獲取數據沒有成功，從原來的例子來看，他那些壽命和gdp的數據應該是存在網上，然後人家的函數可以直接獲取那些數據。從你這個運行結果來看，這些函數應該是訪問不到對應的數據，所以執行也沒有結果和顯示。
⑦ 有沒有交互的圖表製作工具推薦
1.plotly 2.R ggplot23.無需編程語言的工具（7個）4.基於JavaScript實現的工具（8個）5.基於其他語言的工具（5個）6.地圖數據可視化工具（7個）7.金融（股票）數據可視化工具（2個）8.時間軸數據可視化工具（2個）9.函數與公式數據可視化工具（2個）10.其他（3個）
⑧ 常用的python庫有哪些
1.Matplotlib
Matplotlib是一個用於創立二維圖和圖形的底層庫。藉由它的協助，你可以構建各種不同的圖標，從直方圖和散點圖到費笛卡爾坐標圖。matplotlib可以與許多盛行的繪圖庫結合運用。
2.Seaborn
Seaborn本質上是一個根據matplotlib庫的高級API。它包括更適合處理圖表的默認設置。此外，還有豐厚的可視化庫，包括一些雜亂類型，如時刻序列、聯合分布圖(jointplots)和小提琴圖(violindiagrams)。
3.Plotly
Plotly是一個盛行的庫，它可以讓你輕松構建雜亂的圖形。該軟體包適用於互動式Web運用程，可完成輪廓圖、三元圖和三維圖等視覺效果
4.Bokeh
Bokeh庫運用JavaScript小部件在瀏覽器中創立互動式和可縮放的可視化。該庫提供了多種圖表調集，樣式可能性(stylingpossibilities)，鏈接圖、增加小部件和界說回調等方式的交互才能，以及許多更有用的特性。
5.Pydot
Pydot是用純Python編寫的Graphviz介面，經常用於生成雜亂的定向圖和無向圖，可以顯現圖形的結構，對於構建神經網路和根據決策樹的演算法時十分有效。
6.pyecharts
是根據網路開源的Echarts而開發的Python可視化東西。
pyecharts功用十分強大，支撐多達400+地圖;支撐JupyterNotebook、JupyterLab;可以輕松集成至Flask，Sanic，Django等幹流Web結構。
關於常用的python庫有哪些，環球青藤小編就和大家分享到這里了，學習是沒有盡頭的，學習一項技能更是受益終身，因此，只要肯努力學，什麼時候開始都不晚。如若你還想繼續了解關於python編程的素材及學習方法等內容，可以點擊本站其他文章學習。
⑨ Python中數據可視化的兩個庫！
1、Matplotlib
Matplotlib是最全面的Python數據可視化庫。
有人認為Matplotlib的界面很難看，但筆者認為，作為最基礎的Python數據可視化庫，Matplotlib能為使用者的可視化目標提供最大的可能性。
使用JavaScript的開發者們也有各自偏好的可視化庫，但當所處理的任務中涉及大量不被高級庫所支持的定製功能時，開發者們就必須用到D3.js。Matplotlib也是如此。
2、Plotly
雖然堅信要進行數據可視化，就必須得掌握Matplotlib，但大多數情況下讀者更願意使用Plotly，因為使用Plotly只需要寫最少的代碼就能得出最多彩繽紛的圖像。
無論是想構造一張3D表面圖，或是一張基於地圖的散點圖，又或是一張交互性動畫圖，Plotly都能在最短的時間內滿足要求。
Plotly還提供一個表格工作室，使用者可以將自己的可視化上傳到一個在線存儲庫中以便未來進行編輯。
更多Python知識，請關注Python視頻教程！
⑩ 如何讓python可視化
簡介
在 Python 中，將數據可視化有多種選擇，正是因為這種多樣性，何時選用何種方案才變得極具挑戰性。本文包含了一些較為流行的工具以及如何使用它們來創建簡單的條形圖，我將使用下面幾種工具來完成繪圖示例：
Pandas
Seaborn
ggplot
Bokeh
pygal
Plotly
在示例中，我將使用 pandas 處理數據並將數據可視化。大多數案例中，使用上述工具時無需結合 pandas，但我認為 pandas 與可視化工具結合是非常普遍的現象，所以以這種方式開啟本文是很棒的。
什麼是 Matplotlib？
Matplotlib是眾多 Python 可視化包的鼻祖。其功能非常強大，同時也非常復雜。你可以使用 Matplotlib 去做任何你想做的事情，但是想要搞明白卻並非易事。我不打算展示原生的 Matplotlib 例子，因為很多工具（特別是 Pandas 和 Seaborn）是基於 Matplotlib 的輕量級封裝，如果你想了解更多關於 Matplotlib 的東西，在我的這篇文章—《simple graphing》中有幾個例子可供參考。
Matplotlib 令我最不滿的地方是它花費太多工作來獲得目視合理的圖表，但是在本文的某些示例中，我發現無需太多代碼就可以輕松獲得漂亮的可視化圖表。關於 Matplotlib 冗長特點的示例，可以參考這篇文章《ggplot》中的平面圖示例。
方法論
簡要說一下本文的方法論。我堅信只要讀者開始閱讀本文，他們將會指出使用這些工具的更好方法。我的目標並非在每個例子中創造出完全相同的圖表，而是花費大致相同的時間探索方法，從而在每個例子中以大體相同的方法將數據可視化。
在這個過程中，我所面臨的最大挑戰是格式化 x 軸和 y 軸以及基於某些大的標簽讓數據看起來合理，弄明白每種工具是如何格式化數據的也花費了我不少精力，我搞懂這些之後，剩餘的部分就相對簡單了。
另外還需要注意的一點是，條形圖可能是製作起來相對更簡單的圖表，使用這些工具可以製作出多種類型的圖表，但是我的示例更加側重的是簡易的格式化，而不是創新式的可視化。另外，由於標簽眾多，導致一些圖表占據了很多空間，所以我就擅自移除了它們，以保證文章長度可控。最後，我又調整了圖片尺寸，所以圖片的任何模糊現象都是縮放導致的問題，並不代表真實圖像的質量。
最後一點，我以一種嘗試使用 Excel 另外一款替代品的心態來實現示例。我認為我的示例在報告、展示、郵件或者靜態網頁中都更具說服力。如果你正在評估用於實時可視化數據的工具，亦或是通過其他途徑去分享，那麼其中的部分工具會提供很多我還未涉獵到的功能。
數據集
之前的文章描述了我們要處理的數據，我從每一類中抽取了更深一層的樣例，並選用了更詳細的元素。這份數據集包含了125行，但是為了保持簡潔，我只選用了前10行，完整的數據集可以在這里找到。