Python在数据可视化方面有着丰富的库和函数，其中一些常用的库包括 Matplotlib、Seaborn、Plotly、Bokeh等。

Plotly是一个交互式绘图库，支持创建多种类型的图表，并允许图表在Web浏览器中呈现

Plotly

在Python中，Plotly的主要接口是plotly.graph_objects（通常简写为go），它提供了一系列函数来创建各种类型的图表。

常用函数

go.Line()：绘制折线图
go.Scatter(): 绘制散点图
go.Bar(): 绘制条形图
go.Histogram(): 绘制直方图
go.Box(): 绘制箱线图
go.Subplot(): 创建子图

fig.update_layout()：设置图表的标题和坐标轴标签
fig.show()：显示图表

PolarPlotly

PolarPlotly 通常指的是使用 Plotly 库在极坐标系统中绘制图形。Plotly 是一个强大的交互式绘图库，支持多种类型的图表，包括极坐标图。

import plotly.graph_objects as go  def PolarPlotly(r, theta, mode='lines', line_color='blue', fill_color='none', title='Polar Plot', filename='polar_plot.html'):  """  使用 Plotly 在极坐标中绘制图形。  参数:  r (list/array): 半径值列表。  theta (list/array): 极角值列表（以弧度为单位）。  mode (str, 可选): 绘图模式，可以是 'lines', 'markers', 'lines+markers'。默认为 'lines'。  line_color (str, 可选): 线条颜色。默认为 'blue'。  fill_color (str, 可选): 填充颜色。默认为 'none'。  title (str, 可选): 图表标题。默认为 'Polar Plot'。  filename (str, 可选): 保存的 HTML 文件名。默认为 'polar_plot.html'。  """  # 创建极坐标图形对象  fig = go.Figure(data=[go.Scatterpolar(  r=r,  theta=theta,  mode=mode,  line=dict(color=line_color),  fill='toself' if fill_color != 'none' else 'none',  fillcolor=fill_color  )])  # 设置图表标题和极坐标轴标签  fig.update_layout(  polar=dict(  radialaxis=dict(  visible=True,  range=[min(r) if min(r) > 0 else 0, max(r)]  ),  angularaxis=dict(  thetaunit='radians',  rotation=90  )  ),  title=title  )  # 显示或保存图表  fig.show()  fig.write_html(filename)  # 示例用法  
r = [1, 2, 3, 2, 1]  
theta = [0, 0.5*np.pi, np.pi, 1.5*np.pi, 2*np.pi]  
PolarPlotly(r, theta, mode='lines+markers', fill_color='lightblue', title='Sample Polar Plot')

1.这个函数依赖于 plotly.graph_objects 模块。
2.r 和 theta 应该是等长的列表或数组。
3.theta 的值应该是以弧度为单位的极角。
4.函数将生成一个交互式图表，并保存为 HTML 文件。

make_subplots

make_subplots 是一个用于创建多子图布局的函数，包括极坐标子图、直角坐标子图等。它允许你在一个图表中组合多个极坐标图或其他类型的子图。

import plotly.subplots as make_subplots  # 创建一个包含两个极坐标子图的图表布局  
fig = make_subplots(rows=1, cols=2, subplot_titles=('Polar Subplot 1', 'Polar Subplot 2'), polar=True)

add_trace

add_trace 是一个用于向已存在的图表布局中添加迹（trace）的函数。迹是图表中绘制的数据系列。

fig.add_trace(go.Scatterpolar(r=[1, 2, 3], theta=[0, 1.5, 3] * np.pi), row=1, col=1)

go.Scatterpolargl

go.Scatterpolargl 是 Plotly Graph Objects 中用于创建极坐标散点图或线图的一个类。gl 表示它是使用 WebGL 渲染的，通常用于支持大量的数据点。

import plotly.graph_objects as go  fig.add_trace(go.Scatterpolargl(r=[1, 2, 3], theta=[0, 1.5, 3] * np.pi, mode='lines+markers'))

 mode='lines'|'markers'|'lines+markers',  # 绘图模式  

update_traces

update_traces 是一个用于更新图表中所有迹的属性的函数。你可以用它来更改多个迹的公共属性，例如颜色、线型等。

fig.update_traces(line_color='red', marker_size=10)

update_layout

update_layout 是一个用于更新图表布局的函数。你可以用它来设置标题、坐标轴标签、图例等。

fig.update_layout(  title='My Polar Plot',  polar=dict(  radialaxis=dict(visible=True, range=[0, 4]),  angularaxis=dict(thetaunit='radians', rotation=90)  )  
)

综合示例

下面是一个综合使用这些函数的示例，创建一个包含单个极坐标子图的图表：

import plotly.graph_objects as go  
import numpy as np  # 创建极坐标子图布局  
fig = make_subplots(rows=1, cols=1, polar=True)  # 添加迹  
fig.add_trace(go.Scatterpolargl(  r=[1, 2, 3, 2, 1],  theta=[0, 0.5*np.pi, np.pi, 1.5*np.pi, 2*np.pi],  mode='lines+markers',  line=dict(color='blue'),  fill='toself',  fillcolor='lightblue'  
))  # 更新迹和布局  
fig.update_traces(line_color='red', marker_size=10)  
fig.update_layout(  title='Polar Plot Example',  polar=dict(  radialaxis=dict(visible=True, range=[0, 4]),  angularaxis=dict(thetaunit='radians', rotation=90)  )  
)  # 显示图表  
fig.show()

首先使用 make_subplots 创建了一个极坐标子图布局。然后，我们使用 add_trace 添加了一个 go.Scatterpolargl 迹。接着，我们使用 update_traces 更改了迹的线条颜色和标记大小，并使用 update_layout 设置了图表的标题和极坐标轴的属性。最后，我们使用 show 方法显示了图表。

完整版

import os
import sys
sys.path.append(os.path.abspath(os.path.dirname(os.getcwd())))import re
import gc
import numpy as np
import pandas as pd
import random
import math
import glob
import time
import sys
from itertools import groupby as iter_groupbyimport matplotlib.pyplot as plt
import plotly.graph_objects as go
import plotly.express as px
from plotly.subplots import make_subplots# 支持中文
plt.rcParams['font.sans-serif'] = ['SimHei']  # 用来正常显示中文标签
plt.rcParams['axes.unicode_minus'] = False  # 用来正常显示负号plt.rcParams['savefig.dpi'] = 100 #图片像素
plt.rcParams['figure.dpi'] = 100 #分辨率import warnings
warnings.filterwarnings("ignore")#dataframe输出时列名对齐
pd.set_option('display.unicode.ambiguous_as_wide', True)
pd.set_option('display.unicode.east_asian_width', True)pd.set_option('display.width',2000)

'''
原始数据可视化：极坐标动态图
'''
def PolarPlotly(data,rname,anglename,titlesname,groupnames,legendgroupnumber,text,legendtxt='',title='',zname=False):# err:固定误差"""极坐标动态图--------data:dataframername:str,需要画图的列名anglename:str,角度列名titlesname:str,所画的 名称groupnames:list,需要分组的列名legendgroupnumber:int,lengendgroup在groupnames的位置text:list,[文字,col],text的列名legendtxt:legendtext的标注，默认为 ''title='':标题前面要增加的字符"""fig=make_subplots(rows=1,cols=1,specs=[[{'type': 'polar'}]])textcol=[text[1]] if type(text[1])==str else text[1]znamecol=[] if zname==False else znameplot_columns=[rname,anglename]+groupnames+textcol+znamecolplot_columns=list(set(plot_columns))GroupData=data[plot_columns].groupby(groupnames)legendgroupnames=[]for key,MidData in GroupData:if isinstance(key, tuple):legendgroup=str(key[legendgroupnumber])else:legendgroup=str(key)#legendgroup=str(key) if type(key)==str else str(key[legendgroupnumber])showlegend=True if legendgroup not in legendgroupnames else Falser=MidData[rname]theta=MidData[anglename]texts=[text[0]+':'+str(i) for i in MidData[text[1]]]fig.add_trace(go.Scatterpolargl(#'_'.join([str(i) for i in key])r=r,theta=theta,mode='markers',name=legendtxt+legendgroup,showlegend=showlegend,legendgroup=legendgroup,text=texts#go.scattergl:大容量数据,showlegend=False),row=1,col=1)if zname !=False:for zn in zname:z=MidData[zn]fig.add_trace(go.Scatterpolargl(#'_'.join([str(i) for i in key])r=z,theta=theta,mode='markers',name=legendtxt+legendgroup+'_'+zn,showlegend=showlegend,legendgroup=legendgroup,text=texts#go.scattergl:大容量数据,showlegend=False),row=1,col=1)legendgroupnames.append(legendgroup)fig.update_traces(mode='markers',marker_size=3)#, marker_line_width=2fig.update_layout(title='{}{}极坐标图'.format(title,titlesname),#yaxis_zeroline=False, #xaxis_zeroline=False,polar = dict(radialaxis_tickfont_size = 8,angularaxis = dict(tickfont_size = 8,rotation = -90,)),polar2 = dict(radialaxis_tickfont_size = 8,angularaxis = dict(tickfont_size = 8,rotation = -90,)),width=1000,height=800,#xaxis_title='角度',#yaxis_title='随机误差(mm)',template='plotly_white')#template换主题return figdef ScatterPlotly(data,xname,yname,xtitle,ytitle,groupnames,legendgroupnumber,text,legendtxt='',title='',zname=False):# err:固定误差"""散点图动态图--------data:dataframexname:str,需要画图的x轴列名yname:str,需要画图的y轴列名xtitle:strytitle:strgroupnames:list,需要分组的列名legendgroupnumber:int,lengendgroup在groupnames的位置text:list,[文字,col]legendtxt:legendtext的标注，默认为 ''title='':标题前面要增加的字符zname:列表xyname:列表，另外的xname，yname"""fig=go.Figure()textcol=[text[1]] if type(text[1])==str else text[1]znamecol=[] if zname==False else znameplot_columns=[xname,yname]+groupnames+textcol+znamecolplot_columns=list(set(plot_columns))GroupData=data.groupby(groupnames)legendgroupnames=[]for key,MidData in GroupData:if isinstance(key, tuple):legendgroup=str(key[legendgroupnumber])else:legendgroup=str(key)showlegend=True if legendgroup not in legendgroupnames else Falsex=MidData[xname]y=MidData[yname]texts=[str(text[0])+':'+str(i) for i in MidData[text[1]].values.tolist()]#texts=[text[0]+str(i) for i in MidData[text[1]]]fig.add_trace(go.Scattergl(x=x,y=y,mode='markers',name=legendtxt+legendgroup,showlegend=showlegend,legendgroup=legendgroup,text=texts#go.scattergl:大容量数据,showlegend=False),)if zname !=False:for zn in zname:z=MidData[zn]fig.add_trace(go.Scattergl(x=x,y=z,mode='markers',name=legendtxt+legendgroup+'_'+zn,showlegend=showlegend,legendgroup=legendgroup,text=texts#go.scattergl:大容量数据,showlegend=False),)legendgroupnames.append(legendgroup)fig.update_traces(mode='markers',marker_size=3)#, marker_line_width=2fig.update_layout(title='{}{}和{}的散点图'.format(title,xtitle,ytitle),yaxis_zeroline=False, xaxis_zeroline=False,width=1000,height=600,xaxis_title=xtitle,yaxis_title=ytitle,template='plotly_white')#template换主题return fig

代码块解析：

for key,MidData in GroupData:if isinstance(key, tuple):legendgroup=str(key[legendgroupnumber])else:legendgroup=str(key)
'''            
这段代码是Python中的一部分，它遍历一个名为GroupData的可迭代对象（可能是一个列表、元组或其他可迭代对象），该对象包含键值对。对于GroupData中的每一对键值对，它都会执行一些操作，具体取决于键的类型。for key, MidData in GroupData:这一行是一个for循环，用于遍历GroupData中的每一项。它假设GroupData是一个由键值对组成的可迭代对象，如列表的列表、元组的元组等。每次迭代中，key会被赋值为当前的键，MidData会被赋值为对应的值。
if isinstance(key, tuple):这一行检查key是否是一个元组。isinstance()函数用于检查对象的类型是否是指定类型（在这种情况下是元组）。
legendgroup=str(key[legendgroupnumber])如果key是一个元组，这一行会执行。它取key中的第legendgroupnumber个元素（这里假设legendgroupnumber是一个已定义的变量），并将其转换为字符串。然后，它将这个字符串赋值给legendgroup变量。
else:如果key不是一个元组，那么会执行这个else块。
legendgroup=str(key)在else块中，key被转换为字符串，并赋值给legendgroup变量。
这段代码的主要目的是根据key的类型（是否是元组）来设置legendgroup变量的值。如果key是元组，它会取元组中的特定元素；否则，它会直接使用key的值。这通常用于数据可视化中，特别是在设置图例组（legend group）时，根据数据的不同属性（如类别、分组等）来区分不同的数据系列。
'''