كيفية تحليل البيانات البيانية باستخدام مكتبة Plotly في Python

تمت الكتابة بواسطة: عبد الحكيم

تارخ آخر تحديث: 19 ديسمبر 2024

محتوى المقال

ما هي مكتبة Plotly؟
كيفية تثبيت Plotly
إنشاء مخطط خطي بسيط
إضافة عناوين ومحاور
إنشاء مخطط شريطي
إنشاء مخطط دائري
تحليل البيانات باستخدام الخرائط الحرارية
التفاعل مع المخططات
خاتمة

كيفية تحليل البيانات البيانية باستخدام مكتبة Plotly في Python

في عالم البيانات، يُعتبر تحليل البيانات البيانية أمرًا حيويًا لفهم الأنماط والعلاقات بين المتغيرات. مكتبة Plotly هي إحدى المكتبات القوية في Python التي تتيح لك إنشاء مخططات تفاعلية وتحليل البيانات البيانية بسهولة. في هذا المقال، سنتعرف على كيفية استخدام Plotly لتحليل البيانات البيانية من خلال أمثلة توضيحية.

ما هي مكتبة Plotly؟

Plotly هي مكتبة مفتوحة المصدر توفر أدوات لإنشاء مخططات بيانية تفاعلية وغنية بالمعلومات. تدعم Plotly مجموعة واسعة من المخططات، مثل المخططات الخطية، المخططات الشريطية، الخرائط الحرارية، والمخططات ثلاثية الأبعاد. واحدة من أبرز ميزاتها هي إمكانية التفاعل مع المخططات، مما يجعلها مفيدة لتحليل البيانات البيانية بشكل ديناميكي.

كيفية تثبيت Plotly

للبدء باستخدام Plotly، تحتاج أولاً إلى تثبيتها. يمكنك تثبيت المكتبة باستخدام pip:


            pip install plotly

إنشاء مخطط خطي بسيط

لإنشاء مخطط بياني باستخدام Plotly، يمكنك البدء بمخطط خطي بسيط. المخطط الخطي هو أحد أنواع المخططات البيانية الأكثر شيوعًا ويُستخدم لعرض البيانات عبر الزمن.


            import plotly.graph_objs as go

            from plotly import offline


            # بيانات العينة

            x_data = [1, 2, 3, 4, 5]

            y_data = [10, 15, 13, 17, 14]


            # إنشاء المخطط

            trace = go.Scatter(x=x_data, y=y_data)

            data = [trace]


            # عرض المخطط

            offline.plot(data, filename='line_chart.html')

في هذا المثال، نقوم بإنشاء مخطط خطي بسيط باستخدام بيانات عشوائية. نستخدم Scatter لإنشاء الخطوط، وplot() لعرض المخطط في متصفح الويب.

إضافة عناوين ومحاور

لجعل المخطط أكثر وضوحًا وفائدة، يمكنك إضافة عناوين للمخطط والمحاور:


            layout = go.Layout(

                title='مخطط خطي بسيط',

                xaxis={'title': 'المحور السيني'},

                yaxis={'title': 'المحور الصادي'}

            )


            fig = go.Figure(data=data, layout=layout)

            offline.plot(fig, filename='line_chart_with_titles.html')

في هذا المثال، أضفنا عنوانًا للمخطط وعناوين للمحاور السينية والصادية باستخدام Layout.

إنشاء مخطط شريطي

المخططات الشريطية هي وسيلة رائعة لعرض البيانات التصنيفية. دعونا ننشئ مخططًا شريطيًا باستخدام Plotly:


            x_data = ['الفئة 1', 'الفئة 2', 'الفئة 3']

            y_data = [20, 14, 23]


            trace = go.Bar(x=x_data, y=y_data)

            data = [trace]


            layout = go.Layout(title='مخطط شريطي بسيط')

            fig = go.Figure(data=data, layout=layout)

            offline.plot(fig, filename='bar_chart.html')

هنا، قمنا بإنشاء مخطط شريطي بسيط باستخدام Bar لتمثيل القيم عبر الفئات المختلفة.

إنشاء مخطط دائري

المخططات الدائرية تُستخدم لعرض النسب المئوية. يمكننا إنشاء مخطط دائري باستخدام Plotly كما يلي:


            labels = ['الفئة 1', 'الفئة 2', 'الفئة 3']

            values = [4500, 2500, 1053]


            trace = go.Pie(labels=labels, values=values)

            layout = go.Layout(title='مخطط دائري')

            fig = go.Figure(data=[trace], layout=layout)

            offline.plot(fig, filename='pie_chart.html')

في هذا المثال، أنشأنا مخططًا دائريًا يمثل النسب المئوية للفئات المختلفة.

تحليل البيانات باستخدام الخرائط الحرارية

الخرائط الحرارية تُستخدم لعرض البيانات في شكل مصفوفة، حيث يتم تمثيل القيم بالألوان. يمكننا إنشاء خريطة حرارية باستخدام Plotly كالتالي:


            import numpy as np


            # إنشاء بيانات عشوائية

            z_data = np.random.rand(10, 10)


            trace = go.Heatmap(z=z_data)

            layout = go.Layout(title='خريطة حرارية')

            fig = go.Figure(data=[trace], layout=layout)

            offline.plot(fig, filename='heatmap.html')

في هذا المثال، أنشأنا خريطة حرارية تمثل البيانات العشوائية باستخدام ألوان مختلفة لتمثيل القيم المختلفة.

التفاعل مع المخططات

واحدة من أقوى ميزات Plotly هي قدرتها على إنشاء مخططات تفاعلية. يمكن للمستخدمين التكبير، التمرير، والنقر على النقاط للحصول على معلومات إضافية. هذه التفاعلات متاحة بشكل افتراضي عند استخدام Plotly لإنشاء المخططات.

خاتمة

يعد تحليل البيانات البيانية باستخدام مكتبة Plotly في Python أداة قوية ومرنة لإنشاء مخططات تفاعلية وتحليل البيانات بشكل فعال. سواء كنت تعمل على تحليل بسيط أو على مشروع بيانات كبير ومعقد، توفر Plotly الأدوات اللازمة لتصور البيانات بطريقة تجعلها سهلة الفهم والتفاعل. نأمل أن تكون هذه الأمثلة قد ساعدتك في فهم كيفية استخدام Plotly لتحليل البيانات البيانية.