文科生自学Python-用Plotly绘制箱线图和散点气泡图

--人生不是赛场，梦想不容退场，学习编程成就更好的自己--

Python语言简洁生动，特别适合文科生学习入门IT世界，用几十行代码就能够做一个完整的爬虫脚本，开发效率杠杠的！短时间内即可解决工作和学习中碰到的各种棘手问题。(本人外语专业毕业，机缘巧合爱上编程，自学道路曲曲折折，痛并快乐！)在这里总结一下自学Python遇到的难点和重点，分享码过的代码和要点总结，希望能够给初学者一点启示和鼓励，同时愿意结交更多大神交流有助提升自己的水平。

今天分享如何使用Plotly绘制两种常用的统计图表--箱线图和散点气泡图：箱线图的目的主要展示样本集合中数值分布情况，例如最大值是多少，最小值是多少，中位数在什么位置，可一目了然的观测到数据集整体状态；而散点气泡图则是在散点图基础上通过气泡大小展示了第三个维度数值大小，三个维度数值同时进行综合对比和展现，接下来还以Plotly内置的世界人口数据集为案例进行演示：

箱线图部分

1.调取欧洲几个典型国家作为数据集合来绘制箱线图：

2.生成箱线图自定义作图函数方便后续出图：

箱线图展示了半个世纪内各个国家寿命数据分布情况，各自最大值和四分位数等水平，迅速掌握整体情况并可横向对比其他国家。

3.调取亚洲几个典型国家进行展示如下：

接下来再看看散点气泡图如何完成吧。

散点气泡图部分

1.调取欧洲所有国家数据集并截取2002年样本来绘制散点气泡图：

2.生成散点气泡图自定义函数并出图：

这里清楚看到哪个国家的人口寿命水平较低，人均GDP高的国家主要是哪些国家，人口大国主要是谁也一目了然。

3.调取亚洲所有国家数据集并截取2002年样本来绘制散点气泡图：

4.利用散点气泡图自定义函数出图：

代码汇总如下：

#import plotly to get the datasets
from plotly.subplots import make_subplots
import plotly.graph_objs as go
import plotly.offline as py
import plotly_express as px
py.init_notebook_mode(connected=False)

#Get some datasets from some countries
df_some_Europe = px.data.gapminder().query("country == ['Germany','France','Italy','Spain','Finland']") 
display(df_some_Europe.head())

def Get_Box_LifeExp(X,Y):
    fig = px.box(X,x="country",y="lifeExp",color="country",notched=True)
    fig.update_layout(margin = dict(t=50, l=25, r=25, b=25))
    fig.update_layout(title_text=Y)
    return fig.show()

Get_Box_LifeExp(df_some_Europe,"Box of LifeExp for some Countries in Europe")

#Get some datasets
df_some_Asia = px.data.gapminder().query("country == ['China','Japan','Thailand','Vietnam','Singapore']") 
display(df_some_Asia.head())

Get_Box_LifeExp(df_some_Asia,"Box of LifeExp for some Countries in Asia")

#Get datasets
df_Total_Europe = px.data.gapminder().query("continent == ['Europe']")
df_Total_Europe_2002 = df_Total_Europe[df_Total_Europe["year"]==2002]
display(df_Total_Europe_2002.head())

def Get_Scatter_Country(X,Y):
    fig = px.scatter(X, x="gdpPercap",y="lifeExp",size="pop",color="country",log_x=True,size_max=60)
    fig.update_layout(margin = dict(t=40,l=20,r=20,b=20))
    fig.update_layout(title_text=Y)
    return fig.show()

Get_Scatter_Country(df_Total_Europe_2002,"Scatter of European Countries in 2002")

df_Total_Asia = px.data.gapminder().query("continent == ['Asia']")
df_Total_Asia_2002 = df_Total_Asia[df_Total_Asia["year"]==2002]
display(df_Total_Asia_2002.head())

Get_Scatter_Country(df_Total_Asia_2002,"Scatter of Asian Countries in 2002")

大家可以根据实际情况调整相关参数，轻松绘制满足自己需求的箱线图和散点气泡图吧！！！

END

我为人人，人人为我！！欢迎大家关注，点赞和转发！！！

~~人生不是赛场，梦想不容退场~~不断努力学习蜕变出一个更好的自己，不断分享学习路上的收获和感悟帮助他人成就自己！！！