📱 Plotly — мощная бесплатная библиотека для интерактивной визуализации данных на Python. Она позволяет создавать красивые, динамичные графики и диаграммы, которые легко интегрируются в веб-приложения и отчёты.

Основные возможности
🗣 Разнообразие типов графиков: От простых линейных и столбчатых диаграмм до сложных трёхмерных и географических карт.
🗣 Простота интеграции: Легко встраивается в Jupyter Notebooks, Dash приложения и HTML страницы. Может работать с датафреймами pandas.
🗣 Интерактивность и анимация: Пользователи могут взаимодействовать с графиками, масштабируя и выделяя интересующие области. Поддерживаются анимации графиков.

Установка

pip install plotly

Примеры использования

import plotly.express as px
df = px.data.tips()
fig = px.density_heatmap(df, x="total_bill", y="tip")
fig.show()

Подробнее
🔗 Сайт проекта

#pmpython #библиотеки #python

Где попробовать примеры кода, публикуемого на канале?

📱Google Colaboratory — простой, но мощный инструмент для аналитики и машинного обучения в облаке!

❓ Что такое Google Colab? Это бесплатная онлайн-платформа, созданная специально для разработки проектов в сфере науки о данных, анализа и машинного обучения. Суть: Colab — это «Google Документы» для кода и данных. Запускается в браузере, ничего не нужно устанавливать.
Идеально для ускорения прототипирования моделей и принятия решений на основе данных.

Важные особенности!
🗣Среда разработки уже настроена и включает популярные библиотеки.
🗣Возможна совместная работа разных пользователей в одном проекте.
🗣Загруженные для обработки массивы данных хранятся не более 12 часов (решается за счет интеграции с Google Disk).

Для чего можно использовать?
🗣Предсказательная аналитика и моделирование данных.
🗣Обработка изображений и компьютерное зрение.
🗣Анализ текста и обработка естественного языка.
🗣Развитие приложений для глубокого обучения и нейронных сетей.

Для работы требуется аккаунт Google!
🔗 Ссылка на платформу

#pmpython #инструменты #python

🎙Визуализация данных: Как генерировать связанные графики из таблиц в один клик с помощью дополнительных команд Plotly.

Частая ситуация — нужно нарисовать несколько одинаковых графиков для разных категорий (например, продажи по каждому региону или прогресс работ по подрядчикам). В MS Excel нужно создать и оформить несколько отдельных графиков, но в Plotly это можно делать одной командой.

facet_col и facet_row — это аргументы в Plotly, который автоматически разбивают ваши данные на несколько графиков по уникальным значениям выбранной колонки. Вы получаете готовый набор из графиков по каждой категории.

Простой пример на Python

fig1 = px.scatter(dataset,         x='Старт', y='Финиш',
         facet_col='Исполнитель',
         facet_row='Тип',
           color='Статус')

fig1.show()

Что получим на выходе
🗣 Столько отдельных графиков, сколько уникальных значений в колонке.
🗣 Все графики оформляются одинаково.
🗣 Настраиваемые оси X и Y для работы с масштабами данных.

И eще
Комбинируя facet_row и facet_col, можно создать двумерную матрицу графиков. Например, разбить и по видам работ и исполнителям.

❗️Посмотрите готовый пример собранного блокнота с комментариями, скачайте и используйте в дальнейшем!
🔗Ссылка на блокнот Colab

#pmpython #визуализация #python #plotly