plotly

dash python

Python Plotly Tutorial

Objectif

En premier lieu , l’objectif de cet article Pyton Plotly Tutorial est de vous fournir  un étude de création des dashboard  permettant de visualiser des données stockées dans des fichiers de type  DATA CSV  FILE par le code PYTHON . Pour cela , nous avons besoin de la bibliothèque Plotly sous l’environnement  Python &  Anaconda & Jupyter Notebook .

Notez que ce travail est réalisé sous WINDOWS 10 , PC HP  .

Définition

Tout d’abord ,c’est quoi Dashboard ?

Dashboard (Tableau de bord ) est un outil de présentation des données il permet  de gérer l’analyse , le contrôle , le suivi, les prévisions et les solutions à partir des données stockées et visualisées sous plusieurs formes des  dashboard .

Préparation Outils Nécessaires : Étapes A suivre

Il faut souligner  qu’ on doit suivre les étapes suivantes pour créer un dashboard  avec Plotly :

1. Installation Bibliothèque Plotly Dashboard Python

En fait , Plotly est la bibliothèque utilisée pour créer des dashboard avec Python. 

Alors , pour installer « Plotly » il faut exécuter la commande suivante :

• pip install plotly –upgrade 

sous Anaconda Prompt comme il est montré dans la figure ci_dessous.

2.Importer Bibliothèque Plotly

Ensuite , l’étape suivante est l’importation de la bibliothèque « Plotly »

Donc , sous Jupyter exécutez la commande suivante :

•  import Plotly 

et pour voir la version « Plotly » installée tapez :

• plotly._version_ 

comme il est montré dans la figure ci_dessous.

3. Création d’un compte Ploty

 Il faut  reconnaître que vous deviez créer un compte sous Plotly  à partir du lien suivant .

4. Régénération d’un « API KEY »

Après l’activation du compte , sous « Settings » vous trouvez « API key » cliquer sur « Regenerate Key » et copier coller votre code dans un Bloc_ notes.

lien utilisé  Plotly Settings 

5. Importer Potly sous Jupyter + plotly.tools.set_credentials_file

Puis ,vous importez Plotly avec votre code api-key comme c’est indiqué ci_dessous.

• import plotly
• plotly.tools.set_credentials_file(username=’****’, api_key=’**** ‘)

5. Simple Exemple de vérification

Et voila par exemple , un simple traçage avec plotly sous JUPYTER NOTEBOOK .

• La connexion est établie avec succès !!

De plus , vous pouvez maintenant consulter et modifier vos réalisations  à partir de votre compte  Plotly .

Exemple 1 : Création d’un tableau avec Plotly à partir d’un csv file

Code Plotly table

import plotly.plotly as py

import plotly.figure_factory as ff

import pandas as pd

df = pd.read_csv(« tn.csv »)

table = ff.create_table(df)

py.iplot(table, filename=’tn-table’)

import plotly.plotly as py
import plotly.figure_factory as ff
import pandas as pd
df = pd.read_csv("tn.csv")
table = ff.create_table(df)
py.iplot(table, filename='tn-table')

Résultat Plotly Table

Exemple 2 : Représentation des données sous forme « Bar » plotly bar chart

Code Plotly Bar Chart

import plotly.plotly as py
import plotly.graph_objs as go

data = [go.Bar(x=df.city,
y=df.population)]

py.iplot(data, filename=’tn_bar’)

import plotly.plotly as py
import plotly.graph_objs as go
data = [go.Bar(x=df.city,y=df.population)]
py.iplot(data, filename='tn_bar')

Résultat Plotly Bar Chart

En revanche , la modification de la représentation est possible sous votre compte Plotly . 

Exemple 3 : Suivi d’évolution des données en fonction du temps à partir d’un fichier csv (.csv file)

Code Plotly Scatter

import plotly.plotly as py
import plotly.graph_objs as go

import pandas as pd

df = pd.read_csv(« Consommation1.csv »)

data = [go.Scatter(
x=df.Date,
y=df[‘Consommation’])]
layout = {
‘title’: ‘Suivi Consommation’,
‘yaxis’: {‘title’: ‘Consommation’}
}
fig = dict(data=data, layout=layout)

py.iplot(fig)

import plotly.plotly as py
import plotly.graph_objs as go
import pandas as pd
df = pd.read_csv("Consommation1.csv")
data = [go.Scatter(x=df.Date,y=df['Consommation'])]
layout = {'title': 'Suivi Consommation','yaxis': {'title': 'Consommation'}}
fig = dict(data=data, layout=layout)
py.iplot(fig)

Résultat Plotly Scatter

Exemple 4 :Comment Utiliser la fonction « Candlestick » avec fichier csv

Code Plotly Candlestick

import plotly.plotly as py
import plotly.graph_objs as go

from datetime import datetime

df = pd.read_csv(« consommation1.csv »)
trace = go.Candlestick(x=df.Date,
open=df.Open,
high=df.High,
low=df.Low,
close=df.Close,
increasing=dict(line=dict(color= ‘#FF1111’)),
decreasing=dict(line=dict(color= ‘#11FF11’)))
data = [trace]
py.iplot(data, filename=’Consommation-Dash’)

import plotly.plotly as py
import plotly.graph_objs as go
from datetime import datetime
df = pd.read_csv("consommation1.csv")
trace = go.Candlestick(x=df.Date,
                       open=df.Open,
                       high=df.High,
                       low=df.Low,
                       close=df.Close,
                       increasing=dict(line=dict(color= '#FF1111')),
                       decreasing=dict(line=dict(color= '#11FF11')))
data = [trace]
py.iplot(data, filename='Consommation-Dash')

Résultat Plotly Candlestick

Test Vidéo : Python Plotly Tutorial

Lien de téléchargement fichier consommation.csv

plotly vs matplotlib

Si vous voulez voir la différence entre Plotly et Matplotlib consultez Python Introduction [Part 1]

Vous trouvez comment utiliser les données stockées dans un fichier de type  csv (csv file) avec Matplotlib Python 

Dashboard JavaScripts

Vous pouvez voir aussi comment on peut créer Dashboard csv files avec Amcharts Javascripts .