7 Advanced Plots using Plotly

ตัวอย่าง Advanced Plots ที่สามารถทำได้โดยใช้ Plotly library ดังนี้

1) Sankey Diagram:
เป็นแผนภูมิการไหลที่แสดงการกระจายของทรัพยากรหรือปริมาณระหว่างหมวดหมู่ต่างๆ เหมาะสำหรับการแสดงระบบหรือกระบวนการที่ซับซ้อน หรือ ประยุกต์ใช้กับ Customer Journey ได้ ดูว่าขั้นตอนใดมีการ Drop off จำนวนมาก

2) Radar Chart:
หรือที่เรียกว่าแผนภูมิใยแมงมุมหรือแผนภูมิดาว มีประโยชน์ในการเปรียบเทียบตัวแปรเชิงปริมาณหลายตัว มักใช้ในการวิเคราะห์กีฬา การวิเคราะห์ประสิทธิภาพ และการประเมินทักษะ

3) Treemap:
เป็นวิธีที่มีประสิทธภาพในการแสดงข้อมูลแบบลำดับชั้นโดยใช้สี่เหลี่ยมผืนผ้าซ้อนกัน มักใช้ในการแสดงระบบไฟล์ โครงสร้างองค์กร หรือหมวดหมู่ผลิตภัณฑ์

4) Sunburst Diagram:
เหมาะสำหรับแสดงข้อมูลแบบลำดับชั้นในรูปแบบวงกลม คล้ายกับแผนภูมิต้นไม้แต่อยู่ในรูปแบบรัศมี

5) Parallel Coordinates Plot:
แผนภูมิประเภทนี้มีประโยชน์ในการแสดงและวิเคราะห์ข้อมูลหลายตัวแปร

6) 3D Surface Plot:
แผนภูมิพื้นผิว 3 มิติเหมาะสำหรับการแสดงข้อมูลสามมิติหรือฟังก์ชันทางคณิตศาสตร์

7) Violin Plot:
แผนภูมิไวโอลินมีประโยชน์ในการแสดงการกระจายของข้อมูลในหมวดหมู่ต่างๆ

ตัวอย่าง Python 🐍 code

import plotly.graph_objects as go
import pandas as pd
import numpy as np

# Sankey Diagram
fig_sankey = go.Figure(data=[go.Sankey(
    node = dict(
      pad = 15,
      thickness = 20,
      line = dict(color = "black", width = 0.5),
      label = ["A", "B", "C", "D", "E", "F"],
      color = "blue"
    ),
    link = dict(
      source = [0, 1, 0, 2, 3, 3],
      target = [2, 3, 3, 4, 4, 5],
      value = [8, 4, 2, 8, 4, 2]
  ))])
fig_sankey.update_layout(title_text="Basic Sankey Diagram", font_size=10)

# Radar Chart
categories = ['Processing Speed','Logical Reasoning','Verbal Ability',
              'Spatial Reasoning','Memory','Mathematical Ability']
fig_radar = go.Figure()
fig_radar.add_trace(go.Scatterpolar(
      r=[5, 4, 3, 3, 4, 5],
      theta=categories,
      fill='toself',
      name='Person A'
))
fig_radar.add_trace(go.Scatterpolar(
      r=[4, 3, 5, 2, 4, 3],
      theta=categories,
      fill='toself',
      name='Person B'
))
fig_radar.update_layout(
  polar=dict(radialaxis=dict(visible=True, range=[0, 5])),
  showlegend=True
)

# Treemap
fig_treemap = go.Figure(go.Treemap(
    labels = ["Eve", "Cain", "Seth", "Enos", "Noam", "Abel", "Awan", "Enoch", "Azura"],
    parents = ["", "Eve", "Eve", "Seth", "Seth", "Eve", "Eve", "Awan", "Eve" ],
    values = [10, 14, 12, 10, 2, 6, 6, 4, 4],
))
fig_treemap.update_layout(margin = dict(t=50, l=25, r=25, b=25))

# Sunburst Chart
fig_sunburst = go.Figure(go.Sunburst(
    labels=["Eve", "Cain", "Seth", "Enos", "Noam", "Abel", "Awan", "Enoch", "Azura"],
    parents=["", "Eve", "Eve", "Seth", "Seth", "Eve", "Eve", "Awan", "Eve"],
    values=[10, 14, 12, 10, 2, 6, 6, 4, 4],
))
fig_sunburst.update_layout(margin = dict(t=0, l=0, r=0, b=0))

# Parallel Coordinates Plot
fig_parcoords = go.Figure(data=
    go.Parcoords(
        line_color='blue',
        dimensions = list([
            dict(range = [1,5],
                 constraintrange = [1,2], # change this range by dragging the pink line
                 label = 'A', values = [1,4]),
            dict(range = [1.5,5],
                 tickvals = [1.5,3,4.5],
                 label = 'B', values = [3,1.5]),
            dict(range = [1,5],
                 tickvals = [1,2,4,5],
                 label = 'C', values = [2,4],
                 ticktext = ['text 1', 'text 2', 'text 3', 'text 4']),
            dict(range = [1,5],
                 label = 'D', values = [4,2])
        ])
    )
)


# 3D Surface Plot
x = np.outer(np.linspace(-2, 2, 30), np.ones(30))
y = x.copy().T
z = np.cos(x ** 2 + y ** 2)
fig_surface = go.Figure(data=[go.Surface(z=z, x=x, y=y)])
fig_surface.update_layout(title='3D Surface Plot', autosize=False,
                  width=500, height=500,
                  margin=dict(l=65, r=50, b=65, t=90))

# Violin Plot
np.random.seed(1)
x_data = ['Apples', 'Oranges', 'Bananas', 'Pears']
y_data = [np.random.randn(200) + i for i in range(len(x_data))]
fig_violin = go.Figure()
for xd, yd in zip(x_data, y_data):
    fig_violin.add_trace(go.Violin(x=[xd] * len(yd),
                            y=yd,
                            name=xd,
                            box_visible=True,
                            meanline_visible=True))
fig_violin.update_layout(title='Violin Plot', yaxis_zeroline=False)


# Show all figures
fig_sankey.show()
fig_radar.show()
fig_treemap.show()
fig_sunburst.show()
fig_parcoords.show()
fig_surface.show()
fig_violin.show()

สำหรับ Basic plots สามารถดูได้ที่

Data Visualization with Plotly

นอกจากการใช้ Matplotlib หรือ Seaborn Libraries ใน Python แล้ว การทำ Data visualization โดยใช้ Plotly เป็นแนวทางหนึ่งที่มีประสิทธิภาพในการสร้าง Interactive และ customizable charts เป็นอีกหนึ่ง Library ที่ได้รับความนิยม สามารถทำงานได้หลากหลาย ตั้งแต่ Plot พื้นฐานไปยัง Plot ที่มีความซับซ้

nerd-dataNarut Soontranon

Blog นี้ เขียนร่วมกับ Claude.ai โดยใช้ Prompt

Please explain advanced plots (e.g. Sankey, Radar) using Plotly with sample codes.