导语:使用 python-plotly 模块来进行压测数据的绘制,并且生成静态 html 页面结果展示。
不少小伙伴在开发过程中都有对模块进行压测的经历,压测结束后大家往往喜欢使用Excel处理压测数据并绘制数据可视化视图,但这样不能很方便的使用web页面进行数据展示。本文将介绍使用python-plotly模块来进行压测数据的绘制,并且生成静态html页面方便结果展示。
Plotly简介
Plotly是一款使用JavaScript开发的制图工具,提供了与主流数据分析语言交互的API(如:Python, R, MATLAB)。大家可以到官网 https://plot.ly/ 了解更多详细的信息。Plotly能够绘制具有用户交互功能的精美图表。
Python-Plotly 安装
本文档主要是介绍使用plotly的Python API来进行几种简单图表的绘制,更多Plotly的用法请参考 https://plot.ly/python/
Python-Plotly可以使用pip安装,并且最好在Python2.7版本及以上安装使用,如果使用Python2.6版本,请自行安装Python2.7和对应的pip。
Plotly绘图实例
line-plots
绘图效果:
生成的html页面在右上角提供了丰富的交互工具。
代码:
def line_plots(name): ''' 绘制普通线图 ''' #数据,x为横坐标,y,z为纵坐标的两项指标,三个array长度相同 dataset = {'x':[0,1,2,3,4,5,6,7,8,9], 'y':[5,4,1,3,11,2,6,7,19,20], 'z':[12,9,0,0,3,25,8,17,22,5]} data_g = [] #分别插入 y, z tr_x = Scatter( x = dataset['x'], y = dataset['y'], name = 'y' ) data_g.append(tr_x) tr_z = Scatter( x = dataset['x'], y = dataset['z'], name = 'z' ) data_g.append(tr_z) #设置layout,指定图表title,x轴和y轴名称 layout = Layout(title="line plots", xaxis={'title':'x'}, yaxis={'title':'value'}) #将layout设置到图表 fig = Figure(data=data_g, layout=layout) #绘图,输出路径为name参数指定 pltoff.plot(fig, filename=name)
scatter-plots
绘图效果:
代码:
def scatter_plots(name): ''' 绘制散点图 ''' dataset = {'x':[0,1,2,3,4,5,6,7,8,9], 'y':[5,4,1,3,11,2,6,7,19,20], 'text':['5_txt','4_txt','1_txt','3_txt','11_txt','2_txt','6_txt','7_txt','19_txt','20_txt']} data_g = [] tr_x = Scatter( x = dataset['x'], y = dataset['y'], text = dataset['text'], textposition='top center', mode='markers+text', name = 'y' ) data_g.append(tr_x) layout = Layout(title="scatter plots", xaxis={'title':'x'}, yaxis={'title':'value'}) fig = Figure(data=data_g, layout=layout) pltoff.plot(fig, filename=name)
bar-charts
绘图效果:
代码:
def bar_charts(name): ''' 绘制柱状图 ''' dataset = {'x':['Windows', 'Linux', 'Unix', 'MacOS'], 'y1':[45, 26, 37, 13], 'y2':[19, 27, 33, 21]} data_g = [] tr_y1 = Bar( x = dataset['x'], y = dataset['y1'], name = 'v1' ) data_g.append(tr_y1) tr_y2 = Bar( x = dataset['x'], y = dataset['y2'], name = 'v2' ) data_g.append(tr_y2) layout = Layout(title="bar charts", xaxis={'title':'x'}, yaxis={'title':'value'}) fig = Figure(data=data_g, layout=layout) pltoff.plot(fig, filename=name)
pie-charts
绘图效果:
代码:
def pie_charts(name): ''' 绘制饼图 ''' dataset = {'labels':['Windows', 'Linux', 'Unix', 'MacOS', 'Android', 'iOS'], 'values':[280, 25, 10, 100, 250, 270]} data_g = [] tr_p = Pie( labels = dataset['labels'], values = dataset['values'] ) data_g.append(tr_p) layout = Layout(title="pie charts") fig = Figure(data=data_g, layout=layout) pltoff.plot(fig, filename=name)
filled-area-plots
本例是绘制具有填充效果的堆叠线图,适合分析具有堆叠百分比属性的数据
绘图效果:
代码:
def filled_area_plots(name): ''' 绘制堆叠填充的线图 ''' dataset = {'x':[0,1,2,3,4,5,6,7,8,9], 'y1':[5,4,1,3,11,2,6,7,19,20], 'y2':[12,9,0,0,3,25,8,17,22,5], 'y3':[13,22,46,1,15,4,18,11,17,20]} #计算y1,y2,y3的堆叠占比 dataset['y1_stack'] = dataset['y1'] dataset['y2_stack'] = [y1+y2 for y1, y2 in zip(dataset['y1'], dataset['y2'])] dataset['y3_stack'] = [y1+y2+y3 for y1, y2, y3 in zip(dataset['y1'], dataset['y2'], dataset['y3'])] dataset['y1_text'] = ['%s(%s%%)'%(y1, y1*100/y3_s) for y1, y3_s in zip(dataset['y1'], dataset['y3_stack'])] dataset['y2_text'] = ['%s(%s%%)'%(y2, y2*100/y3_s) for y2, y3_s in zip(dataset['y2'], dataset['y3_stack'])] dataset['y3_text'] = ['%s(%s%%)'%(y3, y3*100/y3_s) for y3, y3_s in zip(dataset['y3'], dataset['y3_stack'])] data_g = [] tr_1 = Scatter( x = dataset['x'], y = dataset['y1_stack'], text = dataset['y1_text'], hoverinfo = 'x+text', mode = 'lines', name = 'y1', fill = 'tozeroy' #填充方式: 到x轴 ) data_g.append(tr_1) tr_2 = Scatter( x = dataset['x'], y = dataset['y2_stack'], text = dataset['y2_text'], hoverinfo = 'x+text', mode = 'lines', name = 'y2', fill = 'tonexty' #填充方式:到下方的另一条线 ) data_g.append(tr_2) tr_3 = Scatter( x = dataset['x'], y = dataset['y3_stack'], text = dataset['y3_text'], hoverinfo = 'x+text', mode = 'lines', name = 'y3', fill = 'tonexty' ) data_g.append(tr_3) layout = Layout(title="field area plots", xaxis={'title':'x'}, yaxis={'title':'value'}) fig = Figure(data=data_g, layout=layout) pltoff.plot(fig, filename=name)
小结
本文介绍了利用python-plotly绘制数据图的方法,实例中 线图(line plots)、散点图(scatter plots)、柱状图(bar charts)、饼图(pie charts)以及填充堆叠线图(filled area plots)这五种典型的图表基本上涵盖了大部分类型的测试数据,各位小伙伴可以加以变形绘制出更多的漂亮图标。
文中所示代码:test_plotly_jb51.rar
参考资料
1. https://plot.ly/python/basic-charts/
2. https://images.plot.ly/plotly-documentation/images/python_cheat_sheet.pdf
以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持。
免责声明:本站资源来自互联网收集,仅供用于学习和交流,请遵循相关法律法规,本站一切资源不代表本站立场,如有侵权、后门、不妥请联系本站删除!
更新日志
- 【原神】V5.0攻略 | 林尼攻略一图流
- 李翊君.1993-相思的烈酒【上华】【WAV+CUE】
- 古巨基.1998-LEO.KU(国)【千禧年代】【WAV+CUE】
- 郭子.2001-原来你什么都不想要创作集丫滚石】【WAV+CUE】
- 《使命召唤:黑色行动6》新预告公布!10月25日发售
- Atlus《暗喻幻想》媒体评分汇总:高分好评如潮!
- 2024金摇杆奖提名揭晓 《黑神话》角逐最佳视觉设计!
- 群星《新说唱2024 第3期 (上)》[320K/MP3][32.76MB]
- 群星《新说唱2024 第3期 (上)》[FLAC/分轨][95.38MB]
- 群星《新说唱2024 第3期 (下)》[320K/MP3][31.36MB]
- 幻兽帕鲁手游什么时候正式上线 最新消息一览
- 西普大陆BOSS位置盘点 解锁天启纪元玩法
- 西普大陆精灵进阶培养攻略 精灵养成指南
- dnf手游法控法系职业哪个强 dnf手游法控法系职业强度排行
- 魔兽世界血藤护目镜图纸在哪买 wlk血藤护目镜图纸购买位置介绍