是否可以使用 plotly.express 创建子图？

Question

我想用plotly.express.line 函数创建一个带有 2 个图的子图，可以吗？鉴于 2 情节：

fig1 =px.line(df, x=df.index, y='average')
fig1.show()

fig2 = px.line(df, x=df.index, y='Volume')
fig2.show()

我想生成一个由 2 个子图组成的独特图（在示例 fig1 和 fig2 中）

Answer 1

是的，您可以使用 plotly express 构建子图。要么

1.直接通过参数facet_row和facet_colums（在这种情况下我们经常谈论facet plots，但它们是同一个东西），或者

2.间接通过“窃取”用 plotly express 构建的图形中的元素，并在标准 make_subplots() 和 fig.add_traces() 中使用它们

---

方法一：Facet and Trellis Plots in Python

虽然 plotly.express 支持宽格式和长格式的数据，但我通常更喜欢从后者构建分面图。如果你有这样的数据集：

    Date variable  value
0  2019-11-04  average      4
1  2019-11-04  average      2
.
.
8  2019-12-30   volume      5
9  2019-12-30   volume      2

然后您可以通过以下方式构建子图：

fig = px.line(df, x='Date', y = 'value', facet_row = 'variable')

情节1：

默认情况下，px.line() 会将相同的颜色应用于两条线，但您可以通过以下方式轻松处理：

fig.update_traces(line_color)

这个完整的 sn-p 向您展示了如何：

import plotly.graph_objects as go
import plotly.express as px
import pandas as pd

df = pd.DataFrame({'Date': ['2019-11-04', '2019-11-04', '2019-11-18', '2019-11-18', '2019-12-16', '2019-12-16', '2019-12-30', '2019-12-30'],
                  'variable':['average', 'volume', 'average', 'volume', 'average','volume','average','volume'],
                  'value': [4,2,6,5,6,7,5,2]})

fig = px.line(df, x='Date', y = 'value', facet_row = 'variable')

fig.update_traces(line_color = 'red', row = 2)

fig.show()

方法二：make_subplots

既然 plotly express 可以用相当复杂的数据集做一些非常了不起的事情，我认为你没有理由不偶然发现你想使用 elements一个情节表达图作为子情节的来源。这是很有可能的。

下面是一个示例，我使用px.line 在px.data.stocks() 数据集上绘制图形表达数字。然后我继续使用add_trace 和go.Scatter 在For Loop 中提取一些感兴趣的元素来构建子图设置。您当然可以争辩说您可以直接在数据源上轻松地执行此操作。但话又说回来，正如最初所说，plotly express 本身就是一个出色的数据处理程序。

情节2：使用情节表达图作为来源的子情节：

完整代码：

import plotly.graph_objects as go
import plotly.express as px
import pandas as pd

from plotly.subplots import make_subplots

df = px.data.stocks().set_index('date')

fig1 = px.line(df[['GOOG', 'AAPL']])
fig2 = px.line(df[['AMZN', 'MSFT']])

fig = make_subplots(rows=2, cols=1)

for d in fig1.data:
    fig.add_trace((go.Scatter(x=d['x'], y=d['y'], name = d['name'])), row=1, col=1)
        
for d in fig2.data:
    fig.add_trace((go.Scatter(x=d['x'], y=d['y'],  name = d['name'])), row=2, col=1)
    
fig.show()

Answer 2

从文档中，Plotly 表达does not support arbitrary subplot capabilities。您可以改为使用图形对象和跟踪（注意 go.Scatter 是等效的）：

import pandas as pd

from plotly.subplots import make_subplots
import plotly.graph_objects as go

## create some random data
df = pd.DataFrame(
    data={'average':[1,2,3], 'Volume':[7,3,6]}, 
    index=['a','b','c']
)

fig = make_subplots(rows=1, cols=2)

fig.add_trace(
    go.Scatter(x=df.index, y=df.average, name='average'),
    row=1, col=1
)

fig.add_trace(
    go.Scatter(x=df.index, y=df.Volume, name='Volume'),
    row=1, col=2
)

fig.show()

Answer 3

如果您刚刚生成了px 用于制作子图的图形，则无需使用graph_objects 模块。这是完整的代码。

import plotly.express as px
import pandas as pd
from plotly.subplots import make_subplots

df = px.data.stocks().set_index('date')

fig1 = px.line(df[['GOOG', 'AAPL']])
fig2 = px.line(df[['AMZN', 'MSFT']])

fig = make_subplots(rows=2, cols=1)

fig.add_trace(fig1['data'][0], row=1, col=1)
fig.add_trace(fig1['data'][1], row=1, col=1)
fig.add_trace(fig2['data'][0], row=2, col=1)
fig.add_trace(fig2['data'][1], row=2, col=1)
    
fig.show()

如果每个图中有两个以上的变量，可以使用 for 循环也可以使用fig.add_trace 方法添加跟踪。