HOME LIB.ARTS HTML/CSS JQUERY ASP.NET ACCESS PYTHON ABOUT

Python {Article149}

ようこそ「Python」へ...

Python: Plotlyでデータサイエンティストのようにデータを可視化して見る【Pythonデータ分析】

ここでは、Plotlyを使用してデータサイエンティストのようにデータを可視化して分析する方法を解説します。 Pythonには、Matplotlib, Seaborn, Plotly Express, Plotly Graph Objectsなどのグラフを作成するライブラリがあります。

MatplotlibとSeabornは、 静的なグラフを作成するために設計されたPythonライブラリであるのに対して、 Plotlyはインタラクティブなグラフを作成するために設計されています。 したがって、Plotlyは、グラフを拡大・縮小したり、 マウスホーバーでデータ値を表示するなどのインタラクティブな操作が可能で、 より直感的なデータの解析ができるようになっています。 なので、ここではPlotlyのインタラクティブな機能を利用してデータを解析します。

なお、Plotlyは Dashを使用することによりWebブラウザ上で対話的なデータ可視化も可能になります。 Plotlyは、以下のようなさまざまなグラフを作成してデータを可視化することができます。
  • Scatter Plot（散布図）:
    用途：2つの量的変数間の関係を可視化するために使用されます。
    特徴：点がプロットされ、X軸とY軸に数値が表示されます。 複数のグループを区別する場合、色や形状で表現できます。

  • Line Plot（折れ線グラフ）:
    用途：量的変数の時間的変化を可視化するために使用されます。
    特徴：点を線で接続し、時間や数値の連続した変化を表現します。

  • Bar Chart（棒グラフ）:
    用途：カテゴリ別の数量や割合の比較を可視化するために使用されます。
    特徴：カテゴリ（X軸）と数値（Y軸）が表示され、複数のグループを区別する場合、色やパターンで表現できます。

  • Pie Chart（円グラフ）:
    用途：カテゴリ内の数量の比率を可視化するために使用されます。
    特徴：円形で表現され、各カテゴリの部分が円周上に表示されます。 一般的には、4つ以上のカテゴリに使用すると読みやすくなります。

  • Histogram（ヒストグラム）:
    用途：数量データの分布を可視化するために使用されます。
    特徴：数値の範囲がビンに分割され、ビンごとにデータが表示されます。 ビンの幅は、分布の特性に応じて調整できます。

  • Sunburst（サンバーストチャート）:
    用途：階層的なカテゴリ構造を可視化するために使用されます。
    特徴：中心から外側に向かってカテゴリが分割され、各セグメントの大きさは割合で表示されます。

  • Treemap（ツリーマップ）:
    用途：階層的なカテゴリ構造を可視化するために使用されます。サンバーストチャートと同じく、会社の部門、チーム、プロジェクトなどの関係性を示すことができます。
    特徴：四角形の領域がカテゴリを表し、領域の大きさはカテゴリの値に比例します。 それぞれの四角形は、色やラベルなどの要素を持つことができます。ツリーマップは、視覚的に洞察力を得るために、大量のデータを表示するのに適しています。

  • Choropleth（コロプレス図）:
    用途：地理的なデータを可視化するために使用されます。地域ごとの数量や比率を示すことができます。たとえば、国別の人口、都市別の収入などを表示できます。
    特徴：地図上の地域ごとに色を割り当てて表示します。 色は、数量や比率の大小に応じて異なり、カラーマップを選択することができます。 コロプレス図は、地域ごとのパターンを見つけるのに役立ちます。また、マウスオーバー時に詳細な情報を表示することもできます。

これらのグラフはすべて、Plotly Expressで簡単に作成することができます。 また、Plotly Expressは、多数のオプションやカスタマイズ機能を提供しているため、 データの視覚化において幅広い用途に利用できます。

説明文の左側に図の画像が表示されていますが縮小されています。 画像を拡大するにはマウスを画像上に移動してクリックします。 画像が拡大表示されます。拡大された画像を閉じるには右上の[X]をクリックします。 画像の任意の場所をクリックして閉じることもできます。
click image to zoom!
図A
click image to zoom!
図B
click image to zoom!
図C
click image to zoom!
図D
click image to zoom!
図E
click image to zoom!
図F
click image to zoom!
図G
click image to zoom!
図H
click image to zoom!
図I
click image to zoom!
図J
click image to zoom!
図K
click image to zoom!
図L

Plotly Expressでデータサイエンティストのようにデータを可視化して見る【Pythonデータ分析】

  1. まずは、Pythonの開発環境を準備する

    まずは、 「記事（Article137）」を参照して、 Pythonの開発環境を準備してください。 ここでは、Pythonのプロジェクトフォルダとして「Plotly」を使用しています。

    click image to zoom!
    図1
    図1は、Visual Studio Code(VS Code)の「Terminal」メニューから「New Terminal」を選択して、 「Terminal」ウィンドウを開いたときの画面です。 緑色の「(venv)」が表示されていれば、 Pythonの仮想環境が正常に作成されていることになります。

  2. Visual Studio Codeを起動してプログラムファイルを作成する

    Pythonの開発環境の準備が完了したら、 VS Codeを起動して新規のPythonファイル(*.py)を作成します。 ここで作成したPythonのファイルには「リスト11-1」のコードをコピペします。

    click image to zoom!
    図2
    図2は、VS Codeの画面です。

  3. Plotly ExpressのgapminderデータをPandasのDataFrameに取り込む

    ここでは、 Plotly Expressが用意している「gapminder」データを PandasのDataFrameに取り込んで後述するステップで利用します。 

    # 1: load data from plotly express gapminder()
raw_df = px.data.gapminder()
# raw_df.info()
# raw_df['continent].value_counts()
# raw_df['continent'].unique()
# raw_df['year'].unique()
# len(raw_df['country'].unique().tolist())     
asia_df = raw_df.query("continent=='Asia'")
# asia_df['country'].unique()
japan_df = raw_df.query("country=='Japan'")
# japan_df
# df = raw_df.copy()
    click image to zoom!
    図3-1
    図3-1では、「px.data.gapminder()」メソッドで 世界の各種データをPandasのDataFrameに取り込んでいます。 DataFrameは「country, continent, year, lifeExp, pop, gdpPercap,...」 などのカラムから構成されています。 「country」には「国名」、 「continent」には「大陸名」、 「year」には「年度」、 「lefeExp」には「平均寿命」、「pop」には「人口」、 「gdpPercap」には「一人当たりの国内総生産]が格納されています。 「raw_df.head(3)」では、DataFrameの先頭から３件のデータを表示しています。

    click image to zoom!
    図3-2
    図3-2では、DataFrameのカラム「continent, year」の内容を表示しています。 「continent」には「Asia, Europe, Africa, Americas, Oceania」が格納されています。 「year」には、「1952,1957,...2007」のように年度が５年間隔で格納されています。 「country」には、世界142カ国の国名が格納されています。

  4. Plotlyのデフォルトのテーマをダークモードに設定する

    ここでは、pioクラスの「templates.defulat」に デフォルトのテーマ「plotly_dark」を設定してダークモードにしています。 

    # 2: set a defulat template
pio.templates.default = 'plotly_dark'
pio.templates
    click image to zoom!
    図4
    図4では、pioクラスの「templates」に格納されている、Plotlyのテーマの一覧を表示しています。

  5. Plotly ExpressのHistogram（ヒストグラム）でデータを可視化して見る

    ここでは、Plotly Expressのヒストグラムでデータを可視化します。 

    # 3: histogram()

# 3-1: histogram(df, x='lifeExp')
df = raw_df.query("year == 2007")

px.histogram(df, x='lifeExp', 
             title="px.histogram(df, x='lifeExp'): Life Expectancy in 2007")


# %%

# 3-2: add a lables
px.histogram(df, x='lifeExp', 
             labels=dict(pop='Population', gdpPercap='GDP Per Capita', lifeExp='Life Expectancy'),
             title="px.histogram(,labels=dict(gdpPercap='GDP Per Capita', lifeExp='Life Expectancy', continent='Continent'))")


# %%

# 3-3: add a template
px.histogram(df, x='lifeExp', 
             template='simple_white',
             labels=dict(pop='Population', gdpPercap='GDP Per Capita', lifeExp='Life Expectancy'),
             title="px.histogram(,template='simple_white')")


# %%

# 3-4: add a bargap=0.02
px.histogram(df, x='lifeExp', 
             title="px.histogram(df, x='lifeExp') + update_layout(bargap=0.02)") \
             .update_layout(bargap=0.02)


# %%

# 3-5: add a marginal='rug'
px.histogram(df, 
             x='lifeExp',   
             marginal='rug',
             labels=dict(pop='Population', gdpPercap='GDP Per Capita', lifeExp='Life Expectancy'),
             title="px.histogram(,marginal='rug')") \
             .update_layout(bargap=0.02)


# %%

# 3-5: add a hover_name='country'
px.histogram(df, 
             x='lifeExp',   
             marginal='rug',
             hover_name='country', 
             labels=dict(pop='Population', gdpPercap='GDP Per Capita', lifeExp='Life Expectancy'),
             title="px.histogram(,hover_name='country')") \
             .update_layout(bargap=0.02)


# %%

# 3-6: add a color='continent' & height=700
px.histogram(df, 
             x='lifeExp',   
             marginal='rug',
             hover_name='country',
             color='continent',
             height=700,
             labels=dict(pop='Population', gdpPercap='GDP Per Capita', lifeExp='Life Expectancy'),
             title="px.histogram(,color='continent', height=700)") \
             .update_layout(bargap=0.02)


# %%

# 3-7: change x='lifeExp' =>  x='continent'
px.histogram(df, 
             x='continent', y='pop',             
             hover_name='country',
             color='continent',
             height=700,
             labels=dict(pop='Population', gdpPercap='GDP Per Capita', lifeExp='Life Expectancy'),
             title="px.histogram(,x='continent', y='pop')") \
             .update_layout(bargap=0.02)
    click image to zoom!
    図5-1
    図5-1では、Plotly Expressのhistogram()メソッドに引数「df, x」を指定してヒストグラムを作成しています。 ここでは、引数「x」に「lifeExp」を指定しています。 ヒストグラムには、平均寿命が5歳間隔で表示されています。

    click image to zoom!
    図5-2
    図5-2では、histogram()メソッドの引数に「labels=」を追加して X軸のラベルを「lifeExp」から「Life Expectancy」にしています。

    click image to zoom!
    図5-3
    図5-3では、histogram()メソッドの引数に「template=」を追加して デフォルトのテーマを「simple_white」に切り替えています。


    click image to zoom!
    図5-4
    図5-4では、「update_layout()」メソッドに引数「bargap=0.02」を追加して、 棒グラフの間に隙間(ギャップ)をつくっています。

    click image to zoom!
    図5-5
    図5-5では、histogram()メソッドの引数に「marginal='rug'」を追加して、 x軸にラグ（マーカー）を表示させています。 ラグを追加するとデータの分布を視覚的に理解するのに役立ちます。 ここでは、ラグにマウスを移動してホバーテキストを表示しています。 ホバーテキストに「Life Expenctancy=39.613」が表示されています。 これは、平均寿命が約39歳の国が存在することを意味します。

    click image to zoom!
    図5-6
    図5-6では、histogram()メソッドの引数に「hover_name='country'」を追加して、 ホバーテキストに「国名」が表示されるようにしています。 ここでは、 ホバーテキストに国名「Swaziland」が表示されています。

    click image to zoom!
    図5-7
    図5-7では、histogram()メソッドの引数に「color='continent'」を追加して 各大陸ごとに色分けされたヒストグラムを作成しています。 このグラフからは、 アフリカ大陸が平均寿命が低く、 アジア、ヨーロッパ大陸が平均寿命が高いことが分かります。

    click image to zoom!
    図5-8
    図5-8では、histgram()メソッドの引数に「x='continent', y='pop'」を指定して、 大陸ごとの人口のヒストグラムを作成しています。 このグラフからは、アジア大陸が人口が圧倒的に多いことが分かります。

  6. Plotly ExpressのBar Chart（棒グラフ）でデータを可視化して見る

    ここでは、Plotly Expressの棒グラフでデータを可視化します。 

    # 4: bar()

# 4-1: change px.histogram() => px.bar( x='continent', y='pop',...)
px.bar(df, 
       x='continent', y='pop',    
       color='continent',                
       hover_name='country',
       height=700,
       labels=dict(pop='Population', gdpPercap='GDP Per Capita', lifeExp='Life Expectancy'),
       title="px.bar(,x='continent', y='pop', color='continent', hover_name='country')")


# %%

# 4-2: change color='continent' => color='lifeExp'
px.bar(df, 
       x='continent', y='pop',             
       hover_name='country',
       color='lifeExp',
       height=700,
       labels=dict(pop='Population', gdpPercap='GDP Per Capita', lifeExp='Life Expectancy'),
       title="px.bar(,color='lifeExp')")
    click image to zoom!
    図6-1
    図6-1では、大陸ごとの人口を棒グラフで可視化しています。 このグラフからは、アジア大陸の人口が圧倒的に多いことが分かります。

    click image to zoom!
    図6-2
    図6-2では、bar()メソッドの引数に「color='lifeExp'」を追加して グラフにカラーマップを適用させています。 このグラフからは、平均寿命が高い国が各大陸にどのように分布しているかが分かります。

  7. Plotly ExpressのSunburst（サンバーストチャート）でデータを可視化して見る

    ここでは、Plotly Expressのサンバーストチャートでデータを可視化します。 

    # 5: sunburst()

# 5-1: change px.bar() => px.sunburst()
px.sunburst(df, 
            path=['continent','country'],
            values='pop',            
            hover_name='country',
            color='lifeExp',
            height=700,
            labels=dict(pop='Population', gdpPercap='GDP Per Capita', lifeExp='Life Expectancy'),            
            title="px.sunburst(,path=['continent','country'], values='pop', color='lifeExp')")
    click image to zoom!
    図7-1
    図7-1では、大陸、国ごとの比率を円グラフで表示しています。 内側の円には、大陸の人口の比率が表示されています。 外側の円には、国ごとの人口の比率が表示されています。 このグラフからは、大陸と国ごとの人口の比率が同時に可視化できます。

    click image to zoom!
    図7-2
    図7-2では、グラフから「Asia」をクリックしてアジア大陸のみ拡大表示しています。

    click image to zoom!
    図7-3
    図7-3では、グラフから「Europe」をクリックしてヨーロッパ大陸のみ拡大表示しています。

    click image to zoom!
    図7-4
    図7-3では、グラフから「Americas」をクリックしてアメリカ大陸のみ拡大表示しています。

  8. Plotly ExpressのTreemap（ツリーマップ）でデータを可視化して見る

    ここでは、Plotly Expressのツリーマップでデータを可視化します。 

    # 6: treemap()

# 6-1: change px.sunburst() => px.treemap()
px.treemap(df, 
           path=['continent','country'],
           values='pop',            
           hover_name='country',
           color='lifeExp',
           height=700,
           labels=dict(pop='Population', gdpPercap='GDP Per Capita', lifeExp='Life Expectancy'),
           title="px.treemap(,path=['continent','country'], values='pop', color='lifeExp')")
    click image to zoom!
    図8-1
    図8-1では、大陸、国ごとの人口の比率をツリーマップで表示しています。

    click image to zoom!
    図8-2
    図8-2では、ツリーマップから「Asia」をクリックしてアジア大陸のみ拡大表示しています。

    click image to zoom!
    図8-3
    図8-3では、ツリーマップから「Europe」をクリックしてヨーロッパ大陸のみ拡大表示しています。

    click image to zoom!
    図8-4
    図8-4では、ツリーマップから「Americas」をクリックしてアメリカ大陸のみ拡大表示しています

  9. Plotly ExpressのChoropleth（コロプレス図）でデータを可視化して見る

    ここでは、Plotly Expressのコロプレス図でデータを可視化します。 

    # 7: choropleth() 

# 7-1: change px.treemap() => px.choropleth()
px.choropleth(df, 
              locations='iso_alpha',     
              color='lifeExp',                    
              hover_name='country',
              height=700,
              labels=dict(pop='Population', gdpPercap='GDP Per Capita', lifeExp='Life Expectancy'),                           
              title="px.choropleth(,lcations='iso_alpha', color='lifeExp', hover_name='country')")


# %%

# 7-2: add a hover_data=df.columns
px.choropleth(df, 
              locations='iso_alpha',     
              color='lifeExp',                    
              hover_name='country',
              hover_data=df.columns,
              height=700,
              labels=dict(pop='Population', gdpPercap='GDP Per Capita', lifeExp='Life Expectancy'),
              title="px.choropleth(,hover_name='country', hover_data=df.columns)")


# %%

# 7-3: add a projection='natural earth'
px.choropleth(df, 
              locations='iso_alpha',       
              color='lifeExp',                  
              hover_name='country',
              hover_data=df.columns,
              projection='natural earth',
              height=700,
              labels=dict(pop='Population', gdpPercap='GDP Per Capita', lifeExp='Life Expectancy'),                            
              title="px.choropleth(, projection='natural earth')")
    click image to zoom!
    図9-1
    図9-1では、世界地図にカラーマップを適用させて平均寿命の分布を表示させています。 このマップからアフリカ大陸の平均寿命が低いことが分かります。

    click image to zoom!
    図9-2
    図9-2では、choropleth()メソッドの引数に「hover_data=df.columns」を追加して、 ホバーテキストにDataFrameの全てのカラムを表示させています。

    click image to zoom!
    図9-3
    図9-3では、choropleth()メソッドの引数に「projection='natural earth'」を追加して、 マップを地球儀のような形状で表示させています。

  10. Plotly ExpressのScatter Plot（散布図）でデータを可視化して見る

    ここでは、Plotly Expressの散布図でデータを可視化します。 

    # 8: scatter()

# 8-1: px.choropleth() => px.scatter()
px.scatter(df, 
           x='gdpPercap', y='lifeExp',
           hover_name='country',
           hover_data=df.columns,
           height=700,
           labels=dict(pop='Population', gdpPercap='GDP Per Capita', lifeExp='Life Expectancy'),                     
           title="px.scatter(,x='dgpPercap', y='lifeExp', hover_name='country', hover_data=df.columns)")


# %%

# 8-2: add a  log_x=True
px.scatter(df, 
           x='gdpPercap', y='lifeExp',
           log_x=True,
           hover_name='country',
           hover_data=df.columns,
           height=700,
           labels=dict(pop='Population', gdpPercap='GDP Per Capita', lifeExp='Life Expectancy'),                      
           title="px.scatter(,x='dgpPercap', y='lifeExp', log_x=True)")


# %%

# 8-3: add a size='pop'
px.scatter(df, 
           x='gdpPercap', y='lifeExp',
           size='pop',
           log_x=True,
           hover_name='country',
           hover_data=df.columns,
           height=700,
           labels=dict(pop='Population', gdpPercap='GDP Per Capita', lifeExp='Life Expectancy'),                     
           title="px.scatter(,x='dgpPercap', y='lifeExp', size='pop')")


# %%

# 8-4: add a size_max=65
px.scatter(df, 
           x='gdpPercap', y='lifeExp',
           size='pop', size_max=65,
           log_x=True,
           hover_name='country',
           hover_data=df.columns,
           height=700,
           labels=dict(pop='Population', gdpPercap='GDP Per Capita', lifeExp='Life Expectancy'),                     
           title="px.scatter(,x='dgpPercap', y='lifeExp', size='pop', size_max=65)")


# %%

# 8-5: add a color='continent'
px.scatter(df, 
           x='gdpPercap', y='lifeExp',
           color='continent',
           size='pop', size_max=65,
           log_x=True,
           hover_name='country',
           hover_data=df.columns,
           height=700,
           labels=dict(pop='Population', gdpPercap='GDP Per Capita', lifeExp='Life Expectancy'),                      
           title="px.scatter(,x='dgpPercap', y='lifeExp', color='continent')")


# %%


# 8-6: add animation_frame='year', animation_group='country', range_y=[20, 100] : no filter 
df = raw_df.copy()

px.scatter(df, 
           x='gdpPercap', y='lifeExp',
           size='pop', size_max=65,
           color='continent',
           animation_frame='year', animation_group='country', range_y=[20, 100],           
           log_x=True,
           hover_name='country',
           hover_data=df.columns,
           height=700,
           labels=dict(pop='Population', gdpPercap='GDP Per Capita', lifeExp='Life Expectancy'),                    
           title="px.scatter(,animation_frame='year', animation_group='country',range_y=[20, 100]) ")


# %%

# 8-7: add facet_col='year', facet_col_wrap=5
px.scatter(df, 
           x='gdpPercap', y='lifeExp',
           size='pop', size_max=65,
           color='continent',
           facet_col='year', facet_col_wrap=5,          
           log_x=True,
           hover_name='country',
           hover_data=df.columns,
           height=700,
           labels=dict(pop='Population', gdpPercap='GDP Per Capita', lifeExp='Life Expectancy'),                     
           title="px.scatter(...,x='dgpPercap', y='lifeExp', facet_col='year', facet_col_wrap=5) ")


# %%

# 8-8: filter year == 2007
df = raw_df.query("year == 2007")

px.scatter(df, 
           x='gdpPercap', y='lifeExp',
           size='pop', size_max=65,
           color='continent',     
           log_x=True,
           hover_name='country',
           hover_data=df.columns,
           height=700,
           labels=dict(pop='Population', gdpPercap='GDP Per Capita', lifeExp='Life Expectancy'),
           title="px.scatter(...,x='dgpPercap', y='lifeExp', color='continent') + raw_df.query('year == 2007') ")
    click image to zoom!
    図10-1
    図10-1では、国民一人当たりのGDPと平均寿命の散布図を表示しています。

    click image to zoom!
    図10-2
    図10-2では、scatter()メソッドに引数「log_x=True」を追加して GDPが低い国を拡大表示させています。

    click image to zoom!
    図10-3
    図10-3では、scatter()メソッドに引数「size='pop'」を追加して 人口の多い国を大きく表示させています。

    click image to zoom!
    図10-4
    図10-4では、scatter()メソッドに引数「size_max=65」を追加して 円がさらに大きくなるようにしています。 このパラメータの目的は、視覚的な強調を設定することです。 散布図上の点のサイズを変えることで、 ポイントの重要度や比較する値の大小を視覚的に強調することができます。

    click image to zoom!
    図10-5
    図10-5では、scatter()メソッドの引数に「color='continent'」を追加して 散布図にカラーマップを適用させています。

    click image to zoom!
    図10-6
    図10-6では、scatter()メソッドの引数に「animation_frame='year', animation_group='country', range_y=[20, 100]」 を追加して散布図にアニメーション機能を追加しています。 再生ボタン[▶]をクリックすると散布図がアニメーション化して変化します。 この場合、年度が「1952から2007」に一定間隔で変わって各年度の散布図が表示されます。

    click image to zoom!
    図10-7
    図10-7には、再生ボタン[▶]をクリックして年度(year)が「2002」のときの散布図が表示されています。

    click image to zoom!
    図10-8
    図10-8では、scatter()メソッドの引数に「facet_col='year', facet_col_wrap=5」を追加して 各年度ごとの散布図を表示させています。

    click image to zoom!
    図10-9
    図10-9には、2007年の散布図を表示させています。

  11. 全てのコードを掲載

    ここでは、本記事で解説している全てのコードを掲載しています。

    リスト11-1: Article149.py 
    # Article149.py
# %%

### import the libraries
import numpy as np
import pandas as pd

import plotly.io as pio
import plotly.express as px
import plotly.graph_objects as go

# %%

# 1: load data from plotly express gapminder()
raw_df = px.data.gapminder()
# raw_df.info()
# raw_df['continent].value_counts()
# raw_df['continent'].unique()
# raw_df['year'].unique()
# len(raw_df['country'].unique().tolist())     
asia_df = raw_df.query("continent=='Asia'")
# asia_df['country'].unique()
japan_df = raw_df.query("country=='Japan'")
# japan_df
# df = raw_df.copy()

# %%

# 2: set a defulat template
pio.templates.default = 'plotly_dark'
pio.templates

# %%

# 3: histogram()

# 3-1: histogram(df, x='lifeExp')
df = raw_df.query("year == 2007")

px.histogram(df, x='lifeExp', # y=count
             title="px.histogram(df, x='lifeExp'): Life Expectancy in 2007")              

# %%

# 3-2: add a lables
px.histogram(df, x='lifeExp', # y=count
             labels=dict(pop='Population', gdpPercap='GDP Per Capita', lifeExp='Life Expectancy'),
             title="px.histogram(,labels=dict(gdpPercap='GDP Per Capita', lifeExp='Life Expectancy', continent='Continent'))")


# %%

# 3-3: add a template
px.histogram(df, x='lifeExp', # y=count
             template='simple_white',
             labels=dict(pop='Population', gdpPercap='GDP Per Capita', lifeExp='Life Expectancy'),
             title="px.histogram(,template='simple_white')")


# %%

# 3-4: add a bargap=0.02
px.histogram(df, x='lifeExp', # y=count
             title="px.histogram(df, x='lifeExp') + update_layout(bargap=0.02)") \
             .update_layout(bargap=0.02)


# %%

# 3-5: add a marginal='rug'
px.histogram(df, 
             x='lifeExp',   # y=count
             marginal='rug',
             labels=dict(pop='Population', gdpPercap='GDP Per Capita', lifeExp='Life Expectancy'),
             title="px.histogram(,marginal='rug')") \
             .update_layout(bargap=0.02)


# %%

# 3-5: add a hover_name='country'
px.histogram(df, 
             x='lifeExp',   # y=count
             marginal='rug',
             hover_name='country', # for rug
             labels=dict(pop='Population', gdpPercap='GDP Per Capita', lifeExp='Life Expectancy'),
             title="px.histogram(,hover_name='country')") \
             .update_layout(bargap=0.02)


# %%

# 3-6: add a color='continent' & height=700
px.histogram(df, 
             x='lifeExp',   # y=count
             marginal='rug',
             hover_name='country',
             color='continent',
             height=700,
             labels=dict(pop='Population', gdpPercap='GDP Per Capita', lifeExp='Life Expectancy'),
             title="px.histogram(,color='continent', height=700)") \
             .update_layout(bargap=0.02)


# %%

# 3-7: change x='lifeExp' =>  x='continent'
px.histogram(df, 
             x='continent', y='pop',             
             hover_name='country',
             color='continent',
             height=700,
             labels=dict(pop='Population', gdpPercap='GDP Per Capita', lifeExp='Life Expectancy'),
             title="px.histogram(,x='continent', y='pop')") \
             .update_layout(bargap=0.02)


# %%

# 4: bar()

# 4-1: change px.histogram() => px.bar( x='continent', y='pop',...)
px.bar(df, 
       x='continent', y='pop',    
       color='continent',                
       hover_name='country',
       height=700,
       labels=dict(pop='Population', gdpPercap='GDP Per Capita', lifeExp='Life Expectancy'),
       title="px.bar(,x='continent', y='pop', color='continent', hover_name='country')")


# %%

# 4-2: change color='continent' => color='lifeExp'
px.bar(df, 
       x='continent', y='pop',             
       hover_name='country',
       color='lifeExp',
       height=700,
       labels=dict(pop='Population', gdpPercap='GDP Per Capita', lifeExp='Life Expectancy'),
       title="px.bar(,color='lifeExp')")


# %%

# 5: sunburst()

# 5-1: change px.bar() => px.sunburst()
# tips: click continent ★
px.sunburst(df, 
            path=['continent','country'],
            values='pop',            
            hover_name='country',
            color='lifeExp',
            height=700,
            labels=dict(pop='Population', gdpPercap='GDP Per Capita', lifeExp='Life Expectancy'),            
            title="px.sunburst(,path=['continent','country'], values='pop', color='lifeExp')")



# %%

# 6: treemap()

# 6-1: change px.sunburst() => px.treemap()
# tips: click continent ★ 
px.treemap(df, 
           path=['continent','country'],
           values='pop',            
           hover_name='country',
           color='lifeExp',
           height=700,
           labels=dict(pop='Population', gdpPercap='GDP Per Capita', lifeExp='Life Expectancy'),
           title="px.treemap(,path=['continent','country'], values='pop', color='lifeExp')")


# %%

# 7: choropleth() 

# 7-1: change px.treemap() => px.choropleth()
px.choropleth(df, 
              locations='iso_alpha',     
              color='lifeExp',                    
              hover_name='country',
              height=700,
              labels=dict(pop='Population', gdpPercap='GDP Per Capita', lifeExp='Life Expectancy'),                           
              title="px.choropleth(,lcations='iso_alpha', color='lifeExp', hover_name='country')")


# %%

# 7-2: add a hover_data=df.columns
px.choropleth(df, 
              locations='iso_alpha',     
              color='lifeExp',                    
              hover_name='country',
              hover_data=df.columns,
              height=700,
              labels=dict(pop='Population', gdpPercap='GDP Per Capita', lifeExp='Life Expectancy'),
              title="px.choropleth(,hover_name='country', hover_data=df.columns)")


# %%

# 7-3: add a projection='natural earth'
px.choropleth(df, 
              locations='iso_alpha',       
              color='lifeExp',                  
              hover_name='country',
              hover_data=df.columns,
              projection='natural earth',
              height=700,
              labels=dict(pop='Population', gdpPercap='GDP Per Capita', lifeExp='Life Expectancy'),                            
              title="px.choropleth(, projection='natural earth')")


# %%

# 8: scatter()

# 8-1: px.choropleth() => px.scatter()
px.scatter(df, 
           x='gdpPercap', y='lifeExp',
           hover_name='country',
           hover_data=df.columns,
           height=700,
           labels=dict(pop='Population', gdpPercap='GDP Per Capita', lifeExp='Life Expectancy'),                     
           title="px.scatter(,x='dgpPercap', y='lifeExp', hover_name='country', hover_data=df.columns)")


# %%

# 8-2: add a  log_x=True
px.scatter(df, 
           x='gdpPercap', y='lifeExp',
           log_x=True,
           hover_name='country',
           hover_data=df.columns,
           height=700,
           labels=dict(pop='Population', gdpPercap='GDP Per Capita', lifeExp='Life Expectancy'),                      
           title="px.scatter(,x='dgpPercap', y='lifeExp', log_x=True)")


# %%

# 8-3: add a size='pop'
px.scatter(df, 
           x='gdpPercap', y='lifeExp',
           size='pop',
           log_x=True,
           hover_name='country',
           hover_data=df.columns,
           height=700,
           labels=dict(pop='Population', gdpPercap='GDP Per Capita', lifeExp='Life Expectancy'),                     
           title="px.scatter(,x='dgpPercap', y='lifeExp', size='pop')")


# %%

# 8-4: add a size_max=65
px.scatter(df, 
           x='gdpPercap', y='lifeExp',
           size='pop', size_max=65,
           log_x=True,
           hover_name='country',
           hover_data=df.columns,
           height=700,
           labels=dict(pop='Population', gdpPercap='GDP Per Capita', lifeExp='Life Expectancy'),                     
           title="px.scatter(,x='dgpPercap', y='lifeExp', size='pop', size_max=65)")


# %%

# 8-5: add a color='continent'
px.scatter(df, 
           x='gdpPercap', y='lifeExp',
           color='continent',
           size='pop', size_max=65,
           log_x=True,
           hover_name='country',
           hover_data=df.columns,
           height=700,
           labels=dict(pop='Population', gdpPercap='GDP Per Capita', lifeExp='Life Expectancy'),                      
           title="px.scatter(,x='dgpPercap', y='lifeExp', color='continent')")


# %%


# 8-6: add animation_frame='year', animation_group='country', range_y=[20, 100] : no filter 
df = raw_df.copy()

px.scatter(df, 
           x='gdpPercap', y='lifeExp',
           size='pop', size_max=65,
           color='continent',
           animation_frame='year', animation_group='country', range_y=[20, 100],           
           log_x=True,
           hover_name='country',
           hover_data=df.columns,
           height=700,
           labels=dict(pop='Population', gdpPercap='GDP Per Capita', lifeExp='Life Expectancy'),                    
           title="px.scatter(,animation_frame='year', animation_group='country',range_y=[20, 100]) ")


# %%

# 8-7: add facet_col='year', facet_col_wrap=5
px.scatter(df, 
           x='gdpPercap', y='lifeExp',
           size='pop', size_max=65,
           color='continent',
           facet_col='year', facet_col_wrap=5,          
           log_x=True,
           hover_name='country',
           hover_data=df.columns,
           height=700,
           labels=dict(pop='Population', gdpPercap='GDP Per Capita', lifeExp='Life Expectancy'),                     
           title="px.scatter(...,x='dgpPercap', y='lifeExp', facet_col='year', facet_col_wrap=5) ")


# %%

# 8-8: filter year == 2007
df = raw_df.query("year == 2007")

px.scatter(df, 
           x='gdpPercap', y='lifeExp',
           size='pop', size_max=65,
           color='continent',     
           log_x=True,
           hover_name='country',
           hover_data=df.columns,
           height=700,
           labels=dict(pop='Population', gdpPercap='GDP Per Capita', lifeExp='Life Expectancy'),
           title="px.scatter(...,x='dgpPercap', y='lifeExp', color='continent') + raw_df.query('year == 2007') ")

# %%
Go Top