python可视化plotly图例设置的示例分析

魁首哥

作者

python可视化plotly图例设置的示例分析

这篇文章主要介绍python可视化plotly图例设置的示例分析，文中介绍的非常详细，具有一定的参考价值，感兴趣的小伙伴们一定要看完！

一、图例(legend)

importplotly.ioaspioimportplotly.expressaspximportplotly.graph_objectsasgofromplotly.subplotsimportmake_subplotsimportpandasaspdimportnumpyasnp#设置plotly默认主题pio.templates.default='plotly_white'#设置pandas打印时显示所有列pd.set_option('display.max_columns',None)

二、update_layout(legend={}) 相关参数及示例

官方文档：https://plotly.com/python/reference/layout/#layout-showlegend

官方示例：https://plotly.com/python/legend/

showlegend：是否显示图例，以下任一种情况发生时，该参数默认值为 True：1. 两个及两个以上的 trace 2. 有饼图3. 有一个 trace 显式指定 showlegend=True
legend：图例相关设置，字典类型，可取属性如下：

bgcolor：设置图例的背景颜色
bordercolor：设置图例边框的颜色
borderwidth：设置图例边框的宽度
font：设置图例条目的文本字体，字典类型，可取属性如下：
color：字体颜色
family：字体，字符串，可以为 Arial、Balto、Courier New、Droid Sans、Droid Serif、Droid Sans Mono、Gravitas One、Old Standard TT、Open Sans、Overpass、PT Sans Narrow、Raleway、Times New Roman
size：字体大小

orientation：设置图例的方向。'v'（默认值）表示竖直显示图例、'h'表示水平显示图例
title：设置图例的标题，字典类型，可取属性如下：

font：设置图例条目的文本字体，字典类型，可取属性如下：

color：字体颜色
family：字体，字符串，可以为 Arial、Balto、Courier New、Droid Sans、Droid Serif、Droid Sans Mono、Gravitas One、Old Standard TT、Open Sans、Overpass、PT Sans Narrow、Raleway、Times New Roman
size：字体大小

side：设置图例标题相对于条目的位置。当 orientation='v' 时默认为 'top'、当 orientation='h'时默认为 'left'、当为 'top left'时可用于扩展图例的面积
text：设置图例标题

grouptitlefont：设置图例组名的文本字体，字典类型，可取属性如下：

color：字体颜色
family：字体，字符串，可以为 Arial、Balto、Courier New、Droid Sans、Droid Serif、Droid Sans Mono、Gravitas One、Old Standard TT、Open Sans、Overpass、PT Sans Narrow、Raleway、Times New Roman
size：字体大小

itemsizing：设置图例条目的符号是否跟其 ‘trace’ 有关，如果为 'constant'，则所有条目的符号大小一致。

可取 'trace'、 'constant'

itemwidth：设置条目的宽度（除 title 以外的部分）

大于等于30的浮点数，默认值为30

tracegroupgap：设置图例组之间的间隔

大于等于0的浮点数，默认值为10

traceorder：设置图例条目的顺序。如果为 'normal'，条目将从上到下按照输入数据的顺序排列；如果为 'reversed'，则按照输入数据的逆序排列；如果为 'grouped'，条目按照组顺序显示（如果 trace 中的legendgroup 设定了）；如果为 'grouped+reversed'，则与 'grouped'的顺序相反
valign：设置条目符号和对应文本的竖直对齐方式。
可取 'middle'（默认值）、'top'、'bottom'

df=px.data.gapminder().query("year==2007")fig=px.scatter(df,x="gdpPercap",y="lifeExp",color="continent",size="pop",size_max=45,log_x=True)fig.update_layout(legend=dict(orientation="h",yanchor="bottom",y=1.02,xanchor="center",x=0.5,title_text=''))fig.write_image('../pic/legend_2.png',scale=2)fig.show()

df=px.data.gapminder().query("year==2007")fig=px.scatter(df,x="gdpPercap",y="lifeExp",color="continent",size="pop",size_max=45,log_x=True)fig.update_layout(legend=dict(x=0,y=1,traceorder="reversed",title_font_family="TimesNewRoman",font=dict(family="Courier",size=12,color="black"),bgcolor="LightSteelBlue",bordercolor="Black",borderwidth=2))fig.write_image('../pic/legend_3.png',scale=2)fig.show()

fig=go.Figure()#使用name参数指定条目文本，legendrank指定顺序fig.add_trace(go.Bar(name="fourth",x=["a","b"],y=[2,1],legendrank=4))fig.add_trace(go.Bar(name="second",x=["a","b"],y=[2,1],legendrank=2))fig.add_trace(go.Bar(name="first",x=["a","b"],y=[1,2],legendrank=1))fig.add_trace(go.Bar(name="third",x=["a","b"],y=[1,2],legendrank=3))fig.write_image('../pic/legend_4.png',scale=2)fig.show()

fig=go.Figure()fig.add_trace(go.Scatter(x=[1,2,3],y=[2,1,3],legendgroup="group",#thiscanbeanystring,notjust"group"legendgrouptitle_text="FirstGroupTitle",name="firstlegendgroup",mode="markers",marker=dict(color="Crimson",size=10)))fig.add_trace(go.Scatter(x=[1,2,3],y=[2,2,2],legendgroup="group",name="firstlegendgroup-average",mode="lines",line=dict(color="Crimson")))fig.add_trace(go.Scatter(x=[1,2,3],y=[4,9,2],legendgroup="group2",legendgrouptitle_text="SecondGroupTitle",name="secondlegendgroup",mode="markers",marker=dict(color="MediumPurple",size=10)))fig.add_trace(go.Scatter(x=[1,2,3],y=[5,5,5],legendgroup="group2",name="secondlegendgroup-average",mode="lines",line=dict(color="MediumPurple")))fig.update_layout(title="TryClickingontheLegendItems!")fig.write_image('../pic/legend_5.png',scale=2)fig.show()

fig=go.Figure()fig.add_trace(go.Scatter(x=[1,2,3,4,5],y=[1,2,3,4,5],))fig.add_trace(go.Scatter(x=[1,2,3,4,5],y=[5,4,3,2,1],visible='legendonly'))fig.write_image('../pic/legend_6.png',scale=2)fig.show()

fig=go.Figure()fig.add_trace(go.Scatter(x=[1,2,3,4,5],y=[1,2,3,4,5],showlegend=False))fig.add_trace(go.Scatter(x=[1,2,3,4,5],y=[5,4,3,2,1],))fig.update_layout(showlegend=True)fig.write_image('../pic/legend_7.png',scale=2)fig.show()

fig=go.Figure()fig.add_trace(go.Scatter(x=[1,2,3,4,5],y=[1,2,3,4,5],mode='markers',marker={'size':10}))fig.add_trace(go.Scatter(x=[1,2,3,4,5],y=[5,4,3,2,1],mode='markers',marker={'size':100}))fig.update_layout(legend={'itemsizing':'trace'})fig.write_image('../pic/legend_8.png',scale=2)fig.show()

以上是“python可视化plotly图例设置的示例分析”这篇文章的所有内容，感谢各位的阅读！希望分享的内容对大家有帮助，更多相关知识，欢迎关注恰卡编程网行业资讯频道！

阅读全文

发布于 2022-03-03 21:25:00