Plotly：使用下拉菜单选择要显示的 df

Question

目前我有一个带有 4 个子图的 Plotly 图，由单个 Pandas 数据框 (df) 生成。

现在我有一本 dfs 字典：dfs = {'Germany':DF, 'France':DF, ...}

是否可以创建一个带有下拉菜单的图，我可以选择国家并使用该国家的 df 相应地生成 4 个子图？实现这一目标的最简单方法是什么？谢谢。

P.S.：我查看了来自 Plotly 的下拉菜单示例，但它们似乎只适用于单个 df。

Answer 1

• 考虑了两种不同的方法
• 首先将dfs 构造成与您描述的相似

import requests
import io
import pandas as pd
import plotly.express as px

# fmt: off
# case / death data
dfall = pd.read_csv(io.StringIO(
    requests.get("https://raw.githubusercontent.com/owid/covid-19-data/master/public/data/owid-covid-data.csv").text))
dfall["date"] = pd.to_datetime(dfall["date"])
countries = ['Australia', 'Austria', 'France', 'Germany', 'Japan', 'New Zealand', 'Singapore', 'United Kingdom', 'United States']
# fmt: on

# mimic described dict of dataframes
dfs = {c: dfall.loc[dfall["location"].eq(c), ["date", "new_cases"]] for c in countries}

方法一 - 将所有数据帧绘制为轨迹

• 构造dfs中所有数据帧的拼接数据帧
• updatemenus 是标准跟踪可见性用例

px.line(
    pd.concat([dfs[c].assign(country=c) for c in dfs.keys()]),
    x="date",
    y="new_cases",
    color="country",
).update_traces(visible=False).update_layout(
    updatemenus=[
        {
            "buttons": [
                {
                    "label": c,
                    "method": "update",
                    "args": [{"visible": [c == c2 for c2 in dfs.keys()]}],
                }
                for c in dfs.keys()
            ]
        }
    ]
)

方法 2 - 更新菜单中的数据

• 在构造图形时，它必须有一个跟踪，因此使用dfs 中的第一个数据帧

px.line(dfs[list(dfs.keys())[0]], x="date", y="new_cases").update_layout(
    updatemenus=[
        {
            "buttons": [
                {
                    "label": c,
                    "method": "restyle",
                    "args": [
                        {"x": [dfs[c]["date"]], "y": [dfs[c]["new_cases"]]},
                    ],
                }
                for c in dfs.keys()
            ]
        }
    ]
)

情节表达与子情节

• 有效地接近一个，每个国家/地区有多个踪迹
• 如果 country 在 hovertemplate 中，则建立真值列表

# mimic describe dict of dataframes
dfs = {
    c: dfall.loc[
        dfall["location"].eq(c), ["date", "new_cases", "new_deaths", "new_vaccinations"]
    ]
    .set_index("date")
    .stack()
    .reset_index()
    .rename(columns={"level_1": "measure", 0: "value"})
    for c in countries
}

fig = (
    px.line(
        pd.concat([dfs[c].assign(country=c) for c in dfs.keys()]),
        x="date",
        y="value",
        facet_row="measure",
        color="country",
    )
    .update_layout({f"yaxis{n}": {"matches": None} for n in range(2, 6)})
    .update_traces(visible=False)
)

fig.update_layout(
    showlegend=False,
    updatemenus=[
        {
            "buttons": [
                {
                    "label": c,
                    "method": "update",
                    "args": [{"visible": [c in t.hovertemplate for t in fig.data]}],
                }
                for c in dfs.keys()
            ]
        }
    ],
    annotations=[
        {**a, **{"text": a["text"].replace("measure=", "")}}
        for a in fig.to_dict()["layout"]["annotations"]
    ],
)