标题和坐标轴

自定义标题和坐标轴

在本课程中，我们将使用 fig.update_layout() 方法来调整图表的视觉元素。我们可以自定义标题、x轴、y轴等。当面对客户要求和业务需求时，这种方法尤其强大。

我们将从一个客户流失数据集开始。

更新标题

若仅需调整标题文本，可直接将字符串传递给 fig.update_layout() 方法中的 title 关键字参数。同样的方法也适用于x轴和y轴，只需将字符串传递给 xaxis_title 和 yaxis_title 关键字参数即可。

---

在下面的图表中，我们绘制了一个箱线图，用于分析各国人群年龄的分布情况。因此，为该图表设置标题为 Ages by Country 是合适的。我们还将x轴标记为 Country，y轴标记为 Age。请仔细观察以下代码片段：

1fig.update_layout(title='Ages by Country', xaxis_title='Country', yaxis_title='Age')

完整实现如下：

1# 导入库
2import plotly.express as px
3import plotly.graph_objects as go
4import pandas as pd
5import numpy as np
6
7# 导入数据集
8churn = pd.read_csv("/usr/local/csvfiles/churn.csv")
9
10# 创建箱线图，将国家放在x轴，年龄放在y轴
11trace = go.Box(x=churn['Geography'], y=churn['Age'])
12
13# 创建图形对象
14fig = go.Figure(data=[trace])
15
16# 对布局进行微调
17fig.update_layout(title='Ages by Country',
18                  xaxis_title='Country',
19                  yaxis_title='Age')
20
21# 显示图形
22fig.show()

标题设置：深入详解

接下来我们将更详细地探讨如何对图表标题进行精细样式设置：

若希望对标题进行极致的样式控制，可以使用 plotly.graph_objects.layout 模块中的 Title 类（由于我们已导入 graph_objects 模块，也可写作 go.layout）。然后将该类实例作为 fig.update_layout() 的 title 关键字参数传入。此处以箱线图为例，但标题通常适用于所有类型的图表，因此此方法可用于任何适合可视化任务的图表。我们仍将x轴和y轴的设置保持简单，如前例所示。

在下图中，我们向 go.layout.Title() 传递了多种关键字参数，并将其存储在名为 title_settings 的变量中。这些参数包括：

• text：标题文本。
• font：一个字典，用于调整字体类型（family）、字号（size）以及颜色（我们使用十六进制颜色值以精确指定所需颜色）。
• xref（来自 Plotly 文档）：定义由变量 x 引用的容器。container 表示整个图表的宽度，而 paper 仅指绘图区域的宽度。
• yref（来自 Plotly 文档）：定义由变量 y 引用的容器。container 表示整个图表的高度，而 paper 仅指绘图区域的高度。

---

绘图区域 指的是显示数据的图表区域。它与边距不同，边距是围绕绘图区域的空白区域，通常用于放置x轴和y轴标签、刻度标记以及图例。

---

• x：相对于 xref 参数确定x位置。取值范围为0到1，其中0表示最左侧位置，1表示最右侧位置。此处设为 x=0.5，结合 xanchor="auto" 可使标题居中。
• y：相对于 yref 参数确定y位置。取值范围为0到1，其中0表示最底部位置，1表示最顶部位置。y 参数默认选项为 auto，表示将标题基线置于上边距的垂直中心。此处设为 y=0.95，结合 yanchor="auto"，可使标题靠近页面顶部，避免遮挡箱线图内容。
• xanchor：设为 "left" 表示标题从 x 值处开始；设为 "right" 表示标题在 x 值处结束；设为 "center" 表示标题中心位于 x 值处。我们也可以保留默认值 xanchor="auto"，此时系统会将 xref 除以三，并根据 x 的值自动计算 xanchor 值（参考 Plotly 文档）。
• yanchor：设为 "top" 表示标题的顶部线条位于 y 值处；设为 "bottom" 确保标题基线位于指定的 y 位置；设为 "middle" 则使标题中线位于 y 值处。同样，也可以保留默认值 yanchor="auto"，系统会将 yref 除以三，并根据 y 的值自动计算 yanchor 值。

---

以上仅为部分可用选项，文档中还有更多设置可供选择。

---

以下是用于调整标题的具体设置：

1title_settings = go.layout.Title(text='Ages by Country',
2   font=dict(family="Arial", size=50, color="#cc66ff"),
3   xref="container",
4   yref="container",
5   x=0.5,
6   y=0.95,
7   xanchor="auto",
8   yanchor="auto")

利用这些设置生成图表如下：

1# 导入库
2import plotly.express as px
3import plotly.graph_objects as go
4import pandas as pd
5import numpy as np
6
7# 导入数据集
8churn = pd.read_csv("/usr/local/csvfiles/churn.csv")
9
10# 创建箱线图
11trace = go.Box(x=churn['Geography'], y=churn['Age'])
12
13# 创建 go.Figure() 对象
14fig = go.Figure(data=[trace])
15
16# 修改标题设置
17title_settings = go.layout.Title(text='Ages by Country',
18                                 font=dict(family="Arial", size=50, color="#cc66ff"),
19                                 xref="container",
20                                 yref="container",
21                                 x=0.5,
22                                 y=0.95,
23                                 xanchor="auto",
24                                 yanchor="auto")
25
26fig.update_layout(title=title_settings,  # 应用我们的设置
27                  xaxis_title='Country',
28                  yaxis_title='Age')
29
30# 显示图形
31fig.show()

坐标轴设置：深入详解

标题并非我们唯一能完全掌控的图表元素。实际上，我们可以根据可视化需求灵活调整x轴和y轴。在此示例中，我们将使用一份记录2018年各国家多种变量的数据集进行绘图。

自定义x轴和y轴

若要对坐标轴进行精细化设置，可以使用 plotly.graph_objects.layout 中的 XAxis 类（或写作 go.layout），同样适用于 YAxis 类。这两个类允许传入多个重要参数。一些关键参数如下：

• title：为了最大程度自定义，可使用 go.layout.xaxis.Title 或 go.layout.yaxis.Title 类，并应用前述标题设置，如 text、font 等。

• tickfont：一个字典，用于控制刻度标签的颜色、字体族和大小。

• tickangle：设置角度值（单位为度）。此处设为 tickangle=-45，使刻度线倾斜。可尝试不同数值，或保留默认值 tickangle="auto"。

• tickprefix：在每个刻度值前添加自定义字符串。默认为空字符串（无前缀）。

• ticksuffix：在每个刻度值后添加自定义字符串。默认为空字符串（无后缀）。

• tickformat：用于格式化刻度标签。例如，可选择四舍五入、添加美元符号、格式化日期等。

• gridcolor：设置网格线颜色。可传入任意颜色名称（如 "green"）或十六进制颜色（如 "#90EE90"）。为简洁起见，我们仅使用这两种方式（当然也可传入RGB值等）。

• gridwidth：网格线宽度，单位为像素。数值越大，线条越宽。确保 gridwidth 设置为0或更大。

• showgrid：设为 True 时在每个刻度处显示网格线；设为 False 时则不显示该轴的网格线。

如需更多x轴和y轴参数，请查阅 Plotly 官方文档！

---

以下是上述所有参数的实际应用示例。请注意，虽然下图的视觉效果并不特别美观，但它充分展示了我们对图表各部分进行高度定制的能力。

1# 导入库
2import plotly.express as px
3import plotly.graph_objects as go
4import pandas as pd
5import numpy as np
6
7# 导入数据集
8health = pd.read_csv("/usr/local/csvfiles/health.csv")
9
10trace = go.Scatter(x=health['InfantMortality'], 
11                   y=health['Life_exp'], 
12                   mode='markers')
13
14fig = go.Figure(data=[trace])
15
16# 高级x轴自定义
17xaxis_settings = go.layout.XAxis(
18                             title=go.layout.xaxis.Title(
19                                 text='Infant Mortality', 
20                                 font=dict(color='dodgerblue', size=30, family="Arial")
21                             ),
22                             tickfont=dict(color="darkgreen", size=16, family="Arial"),
23                             tickangle=-45,
24                             tickprefix='Infant Mortality = ',
25                             ticksuffix=' Years',
26                             tickformat='0.4f',  # 四舍五入至小数点后四位
27                             gridcolor='lime',
28                             gridwidth=4,
29                             showgrid=True,
30                             )
31
32# 高级y轴自定义
33yaxis_settings = go.layout.YAxis(
34                             title=go.layout.yaxis.Title(
35                                 text='Life Expectancy', 
36                                 font=dict(color='lavender', size=30, family="Arial")
37                             ),
38                             tickfont=dict(color="aqua", size=16, family="Arial"),
39                             tickangle=-45,
40                             tickprefix='Life Expectancy = ',
41                             ticksuffix=' Years',
42                             tickformat='0.4f',  # 四舍五入至小数点后四位
43                             gridcolor='hotpink',
44                             gridwidth=4,
45                             showgrid=True,
46                             )
47
48fig.update_layout(title='Life Expectancy vs Infant Mortality',  # 简单标题
49                  xaxis=xaxis_settings,                         # 应用x轴设置
50                  yaxis=yaxis_settings                          # 应用y轴设置
51                  )
52
53fig.show()

这是本课所用所有代码练习的笔记本：