Оптимизация графиков в Plotly с помощью Python
Plotly - это библиотека Python, которая используется для разработки графиков, особенно интерактивных. Он может строить различные графики и диаграммы, такие как гистограмма, гистограмма, прямоугольная диаграмма, диаграмма распространения и многие другие. Он в основном используется в анализе данных, а также в финансовом анализе. plotly - это интерактивная библиотека визуализации.
Оптимизировать участки в Plotly
На графике графики линий тока основаны на представлении двумерного векторного поля, которое объясняется как поля скорости, которые состоят из замкнутых кривых, касающихся поля скорости. Оптимизация - это самый быстрый и эффективный метод получения данных. При определении линий тока значения скорости интерполируются. Линии тока инициализируются на границе области xy.
Syntax: create_streamline(x, y, u, v, density=1, angle=0.3490658503988659, arrow_scale=0.09)
Parameters:
x: 1 dimensional, evenly spaced list or array
y: 1 dimensional, evenly spaced list or array
u: 2 dimensional array
v: 2 dimensional array
density: controls the density of streamlines in plot. This is multiplied by 30 to scale similiarly to other available streamline functions such as matplotlib. Default = 1
angle: angle of arrowhead. Default = pi/9
arrow_scale: value to scale length of arrowhead Default = .09
Example:
Python3
import plotly.figure_factory as ffimport numpy as np x = np.linspace(-1, 1, 10)y = np.linspace(-1, 1, 10)Y, X = np.meshgrid(x, y)u = 1 - X**2 + Yv = -1 + X - Y**2 # Create streamline figurefig = ff.create_streamline(x, y, u, v, arrow_scale=.1)fig.show() |
Выход:
Построение исходной точки
Исходную точку можно построить с помощью метода scatterplot () класса graph_objects. В этом случае график линий тока и положение маркера на диаграмме рассеивания настроены таким образом, что кажется, что весь поток исходит из определенного источника.
Example:
Python3
import plotly.figure_factory as ffimport plotly.graph_objects as goimport numpy as np x = np.linspace(-1, 2, 50)y = np.linspace(-1, 1, 50)Y, X = np.meshgrid(x, y)u = np.cos(X)*Yv = np.cos(y)*X # Source for x and y coordinate# of scatter plotX, Y = 0, 0 # Create streamline figurefig = ff.create_streamline(x, y, u, v, arrow_scale=.1) fig.add_trace(go.Scatter(x=[X], y=[Y], mode="markers", marker_size=15, )) fig.show() |
Выход:
Внимание компьютерщик! Укрепите свои основы с помощью базового курса программирования Python и изучите основы.
Для начала подготовьтесь к собеседованию. Расширьте свои концепции структур данных с помощью курса Python DS. А чтобы начать свое путешествие по машинному обучению, присоединяйтесь к курсу Машинное обучение - базовый уровень.