Python实现平行坐标图的绘制(plotly)方式

平行坐标图是一种常用的多维数据可视化方式，可以用于快速发现有趣的数据模式以及数据的异常值。Python中有许多可用于绘制平行坐标图的工具，其中一种较为流行且易于上手的工具是plotly。下面是一个完整的攻略，用于指导读者如何使用Python的plotly库绘制平行坐标图。

第一步：导入库

在本攻略中，我们将使用Python的plotly库来绘制平行坐标图。在开始之前，需要先导入plotly库。Python的plotly库可以使用pip install plotly进行安装。

import plotly.express as px

第二步：准备数据

在构建平行坐标图之前，需要先准备好数据。在这个示例中，我们使用plotly自带的鸢尾花数据集进行演示。

df = px.data.iris()

第三步：绘制平行坐标图

使用plotly的parallel_coordinates函数绘制平行坐标图。

fig = px.parallel_coordinates(df, color="species_id", labels={"species_id": "Species",
                "sepal_width": "Sepal Width", "sepal_length": "Sepal Length",
                "petal_width": "Petal Width", "petal_length": "Petal Length", },
                color_continuous_scale=px.colors.diverging.Tealrose,
                color_continuous_midpoint=2)
fig.show()

1. 第一个参数是数据框，该函数会使用数据框的每个维度作为平行坐标轴。
2. 第二个参数是color参数，由于我们的数据集中包含了花的品种，我们可以使用该参数来对品种进行颜色编码。
3. 第三个参数labels是用于将轴标签重命名，让它们更具描述性。
4. color_continuous_scale参数用于指定颜色映射。
5. color_continuous_midpoint参数用于指定颜色变化的中间点。

示例1：绘制通用平行坐标图

下面是一个更通用的平行坐标图示例，该示例展示如何将自己的数据转换为适合绘制平行坐标图的格式。

import plotly.graph_objs as go
import pandas as pd

# load data
df = pd.read_csv('https://raw.githubusercontent.com/plotly/datasets/master/2011_february_us_airport_traffic.csv')

# transform data
categories = ['Average delay', 'Delay standard deviation', 'Airline', 'State']
dimensions = [dict(label=col, values=df[col]) for col in categories]

data = go.Parcoords(
        line=dict(color=df['nb_flights'],
                  colorscale='Portland',
                  showscale=True,
                  colorbar=dict(thickness=20, ticklen=4)),
        dimensions=dimensions,
        labelangle=0
)

fig = go.Figure(data)
fig.show()

该示例使用美国机场2011年2月的公共数据集，将数据转换为适合绘制平行坐标图的格式，并使用plotly的parcoords函数绘制了平行坐标图。示例还使用线条颜色对航班数量进行了颜色编码。

示例2：平行坐标图中的交互式筛选

该示例展示如何为平行坐标图添加交互式筛选功能。

import plotly.graph_objs as go
import pandas as pd

# Load data
df = pd.read_csv('https://raw.githubusercontent.com/plotly/datasets/master/2011_february_us_airport_traffic.csv')

# Transform data for parcoords
categories = ['Average delay', 'Delay standard deviation', 'Airline', 'State']
dimensions = [dict(label=col, values=df[col]) for col in categories]

# Create parcoords trace
line = dict(color=df['nb_flights'],
            colorscale='Portland',
            showscale=True,
            reversescale=True,
            colorbar=dict(thickness=20, ticklen=4))

data = go.Parcoords(dimensions=dimensions, line=line)

# Create plotly layout
updatemenus = [
    dict(
        buttons=list(
            [
                dict(
                    args=[{'line.color': df['nb_flights'],
                           'line.colorscale': 'Portland'}],
                    label='Cancer Deaths',
                    method='update'
                ),

                dict(
                    args=[{'line.color': df['airline_index'],
                           'line.colorscale': 'Viridis'}],
                    label='Airline Index',
                    method='update'
                )
            ]
        ),
        direction='left',
        pad={
            'r': 10,
            't': 10,
        },
        showactive=True,
        type='buttons',
        x=0.1,
        xanchor='left',
        y=1.2,
        yanchor='top'
    ),
]

layout = go.Layout(updatemenus=updatemenus)

# Create Figure
fig = go.Figure(data=data, layout=layout)

fig.show()

该示例使用与示例1相同的数据集，但是提供了一个交互式菜单，可以用于在平行坐标图中动态筛选可见的数据点。交互式菜单使用plotly的updatemenus属性实现。

在菜单中，有两个选项卡可以选择。第一个选项卡"Cancer Deaths"将使用颜色编码来表示cancer deaths，第二个选项卡"Airline Index"将使用航空指数来表示颜色编码。当用户选择任何一个选项卡时，图表将更新并呈现所选选项的新颜色编码。

以上是Python实现平行坐标图的绘制(plotly)方式的完整攻略，包括准备数据、绘制平行坐标图和使用交互式筛选。该攻略提供了示例，可以帮助读者更好地理解如何使用Python的plotly库绘制平行坐标图。