Pedro Manuel Ramos Rodríguez

Plotly Express

Simple is better than complex

PyBirrasTF19
@pramos90

Índice de contenido

  • Sobre mí.
  • Qué es Plotly.
  • Tipos de gráficos.
  • Plotly Express.
  • Diferencias con respecto a Plotly.
  • Conclusiones.
PyBirrasTF19
@pramos90
Pedro Manuel Ramos Rodríguez

Graduado en Ingeniería Informática por la ULL.

Full Stack Developer en Edosoft Factory.

Amante de la visualización de datos.

Científico de datos en ratos libres.

PyBirrasTF19
@pramos90

¿Qué es Plotly?

  • Librería de visualización de datos interactiva.
  • Basada en D3.js.
  • Open Source.
  • Más de 40 tipos de gráficos.
  • Disponible para múltiples lenguajes.
PyBirrasTF19
@pramos90

¿Qué es Plotly?

Lenguajes disponibles

PyBirrasTF19
@pramos90

Tipos de gráficos

PyBirrasTF19
@pramos90

Tipos de gráficos

PyBirrasTF19
@pramos90

Tipos de gráficos

PyBirrasTF19
@pramos90

Tipos de gráficos

PyBirrasTF19
@pramos90

Plotly Express

  • Librería de visualización de datos de alto nivel.
  • Wrapper de Plotly.
  • Open Source.
  • Mismos gráficos.
  • Código más simple.
  • Integración en Jupyter.
PyBirrasTF19
@pramos90

Plotly Express

Diferencias con respecto a Plotly

  • Totalmente gratuita. Licencia Mit.
  • No necesita Api Key.
  • Sólo disponible para Python.
  • Posee ciertos datasets en la propia librería.
  • Sencillez para generar gráficos.
PyBirrasTF19
@pramos90

Plotly Express

  • Cargando datasets directamente desde la librería.
import plotly_express as px
print(px.data.iris.__doc__)
iris = px.data.iris()
iris.head()
PyBirrasTF19
@pramos90

Plotly Express

  • Generando un scatter plot diferenciando entre especies.
px.scatter(iris,x='sepal_length',y='sepal_width',color='species')
PyBirrasTF19
@pramos90

Plotly Express

  • Generando un scatter plot en 3d diferenciando entre especies.
px.scatter_3d(iris,x='sepal_length',y='sepal_width',z='petal_length',color='species')
PyBirrasTF19
@pramos90

Plotly Express

  • Generando una matriz de scatter plots interactivos diferenciando entre especies.
px.scatter_matrix(
    iris,dimensions=[
        'sepal_length',
        'sepal_width',
        'petal_length',
        'petal_width'
    ],
    color='species'
)
PyBirrasTF19
@pramos90

Plotly Express

Diferencias con respecto a Plotly

import pandas as pd
import numpy as np
import plotly
import plotly.graph_objs as go
from plotly.offline import init_notebook_mode, iplot
data = pd.read_csv('./datasets/iris/iris.csv')
data.columns = data.columns.str.replace('.','_')
data.head()
PyBirrasTF19
@pramos90

Plotly Express

trace = go.Scatter(x=data['Sepal_Length'],
                   y=data['Sepal_Width'],
                   mode='markers',
                   marker=dict(color=np.random.randn(150),
                               size=10,
                               colorscale='Viridis',
                               showscale=False),
                  )

layout = go.Layout(title='Sepal Length/Sepal width',
                   xaxis=dict(title='Sepal length'),
                   yaxis=dict(title='Sepal width'),
                  )
fig = go.Figure(data=[trace],layout=layout)
iplot(fig)
PyBirrasTF19
@pramos90

Diferencias con respecto a Plotly

Plotly Express

Diferencias con respecto a Plotly

PyBirrasTF19
@pramos90

Plotly Express

Diferencias con respecto a Plotly

import plotly.figure_factory as ff
fig = ff.create_scatterplotmatrix(data, index='Species',
                                  height=800, width=800)
iplot(fig, filename='Histograms along Diagonal Subplots')
PyBirrasTF19
@pramos90

Plotly Express

Diferencias con respecto a Plotly

PyBirrasTF19
@pramos90

Conclusiones

@pramos90
PyBirrasTF19

Fin

¿Preguntas?

pedro-ramos-4a5a41135
/PedroRamosRguez
@pramos90
PyBirrasTF19