Question

Я пытаюсь добавить линию тренда к гистограмме, которая строится как plotly

Код :

import plotly.express as px

fig = px.bar(count, x="date", y="count",trendline="ols")

fig.update_layout(
    xaxis_title="Date",
    yaxis_title = "Count"
)

fig.show()

Ошибка:

---------------------------------------------------------------------------
TypeError                                 Traceback (most recent call last)
<ipython-input-129-8b01de219d3c> in <module>
----> 1 fig = px.bar(count, x="date", y="count",trendline="ols")
      2 
      3 fig.update_layout(
      4     xaxis_title="Date",
      5     yaxis_title = "Count"

TypeError: bar() got an unexpected keyword argument 'trendline'

Вот данные

Как успешно добавить линию тренда к этому графику?

vestland · Answer 1 · 13 февраля 2020

Комментарий:

Ваш вопрос в значительной степени является дубликатом Plotly: Как построить линию регрессии с использованием сюжета? . Но поскольку вы специально пытаетесь оценить линию тренда, используя px.bar, я не буду голосовать, чтобы закрыть ваш вопрос, а скорее предоставлю индивидуальный ответ. Хорошо, что вы предоставили образец набора данных, но для будущих вопросов, пожалуйста, рассмотрите возможность совместного использования ваших данных как части вашего примера кода. Если, конечно, это слишком много. Таким образом, мы не рискуем потерять доступ к вашим данным по какой-либо причине. В конце я покажу вам, как вы можете сделать это с примером кода.

Ответ:

px.bar не имеет trendline метода. Поскольку вы пытаетесь trendline="ols" Я предполагаю, что вы хотите создать линейную линию тренда. И, глядя на ваши данные, линейная линия тренда может просто не быть лучшим описанием вашего набора данных:

Так что вам придется добавить линию тренда сами. Вы можете по-прежнему иметь гистограмму, используя go.Bar, но, возможно, стоит рассмотреть отображение трендовой линии в виде линии , а не больше баров.

Более детальное рассмотрение scikit или statsmodels должны стоить вашего внимания относительно нелинейных трендов. Один простой подход - оценить лог-линейный тренд после перекодирования вашего набора данных. Вы увидите, что это «отражает» экспоненциальное увеличение вашего variable лучше, чем простой линейный тренд:

Но разве это хорошо? достаточно? Я оставлю это решение за вами. И, как я уже сказал, вы должны более внимательно посмотреть на связанные ресурсы.

Код для сюжета 1:

from sklearn.linear_model import LinearRegression
import plotly.graph_objects as go
import pandas as pd
import numpy as np
import datetime

# data
df=pd.DataFrame({'date': {0: '12.10.2019',
                  1: '13.10.2019',
                  2: '14.10.2019',
                  3: '15.10.2019',
                  4: '16.10.2019',
                  5: '17.10.2019',
                  6: '18.10.2019',
                  7: '19.10.2019',
                  8: '20.10.2019',
                  9: '21.10.2019',
                  10: '22.10.2019',
                  11: '23.10.2019',
                  12: '24.10.2019',
                  13: '25.10.2019',
                  14: '26.10.2019',
                  15: '27.10.2019',
                  16: '28.10.2019',
                  17: '29.10.2019',
                  18: '30.10.2019',
                  19: '31.10.2019',
                  20: '01.11.2019',
                  21: '02.11.2019',
                  22: '03.11.2019',
                  23: '04.11.2019',
                  24: '05.11.2019',
                  25: '06.11.2019',
                  26: '07.11.2019',
                  27: '08.11.2019',
                  28: '09.11.2019',
                  29: '10.11.2019',
                  30: '11.11.2019',
                  31: '12.11.2019',
                  32: '13.11.2019',
                  33: '14.11.2019',
                  34: '15.11.2019',
                  35: '16.11.2019',
                  36: '17.11.2019',
                  37: '18.11.2019',
                  38: '19.11.2019',
                  39: '20.11.2019',
                  40: '21.11.2019',
                  41: '22.11.2019',
                  42: '23.11.2019',
                  43: '24.11.2019',
                  44: '25.11.2019',
                  45: '26.11.2019',
                  46: '27.11.2019',
                  47: '28.11.2019',
                  48: '29.11.2019',
                  49: '30.11.2019',
                  50: '01.12.2019',
                  51: '02.12.2019',
                  52: '03.12.2019',
                  53: '04.12.2019',
                  54: '05.12.2019',
                  55: '06.12.2019',
                  56: '07.12.2019',
                  57: '08.12.2019',
                  58: '09.12.2019',
                  59: '10.12.2019',
                  60: '11.12.2019',
                  61: '12.12.2019',
                  62: '13.12.2019',
                  63: '14.12.2019',
                  64: '15.12.2019',
                  65: '16.12.2019',
                  66: '17.12.2019',
                  67: '18.12.2019',
                  68: '19.12.2019',
                  69: '20.12.2019',
                  70: '21.12.2019',
                  71: '22.12.2019',
                  72: '23.12.2019',
                  73: '24.12.2019',
                  74: '25.12.2019',
                  75: '26.12.2019',
                  76: '27.12.2019',
                  77: '28.12.2019',
                  78: '29.12.2019',
                  79: '30.12.2019',
                  80: '31.12.2019',
                  81: '01.01.2020',
                  82: '02.01.2020',
                  83: '03.01.2020',
                  84: '04.01.2020',
                  85: '05.01.2020',
                  86: '06.01.2020',
                  87: '07.01.2020',
                  88: '08.01.2020',
                  89: '09.01.2020',
                  90: '10.01.2020',
                  91: '11.01.2020',
                  92: '12.01.2020',
                  93: '13.01.2020',
                  94: '14.01.2020',
                  95: '15.01.2020',
                  96: '16.01.2020',
                  97: '17.01.2020',
                  98: '18.01.2020',
                  99: '19.01.2020',
                  100: '20.01.2020',
                  101: '21.01.2020',
                  102: '22.01.2020',
                  103: '23.01.2020',
                  104: '24.01.2020',
                  105: '25.01.2020',
                  106: '26.01.2020',
                  107: '27.01.2020',
                  108: '28.01.2020',
                  109: '29.01.2020',
                  110: '30.01.2020',
                  111: '31.01.2020'},
                 'count': {0: 19,
                  1: 12,
                  2: 13,
                  3: 18,
                  4: 13,
                  5: 19,
                  6: 15,
                  7: 14,
                  8: 12,
                  9: 6,
                  10: 15,
                  11: 15,
                  12: 12,
                  13: 17,
                  14: 13,
                  15: 14,
                  16: 11,
                  17: 11,
                  18: 11,
                  19: 9,
                  20: 14,
                  21: 15,
                  22: 11,
                  23: 13,
                  24: 14,
                  25: 14,
                  26: 16,
                  27: 16,
                  28: 17,
                  29: 13,
                  30: 14,
                  31: 14,
                  32: 12,
                  33: 6,
                  34: 14,
                  35: 12,
                  36: 16,
                  37: 15,
                  38: 19,
                  39: 18,
                  40: 17,
                  41: 17,
                  42: 17,
                  43: 17,
                  44: 19,
                  45: 15,
                  46: 20,
                  47: 21,
                  48: 19,
                  49: 18,
                  50: 22,
                  51: 21,
                  52: 21,
                  53: 18,
                  54: 21,
                  55: 23,
                  56: 22,
                  57: 17,
                  58: 25,
                  59: 28,
                  60: 24,
                  61: 26,
                  62: 23,
                  63: 23,
                  64: 22,
                  65: 26,
                  66: 25,
                  67: 24,
                  68: 24,
                  69: 24,
                  70: 24,
                  71: 27,
                  72: 26,
                  73: 28,
                  74: 28,
                  75: 29,
                  76: 34,
                  77: 31,
                  78: 38,
                  79: 37,
                  80: 34,
                  81: 45,
                  82: 43,
                  83: 44,
                  84: 49,
                  85: 47,
                  86: 54,
                  87: 49,
                  88: 57,
                  89: 62,
                  90: 65,
                  91: 55,
                  92: 67,
                  93: 69,
                  94: 72,
                  95: 45,
                  96: 89,
                  97: 87,
                  98: 90,
                  99: 121,
                  100: 140,
                  101: 173,
                  102: 163,
                  103: 171,
                  104: 183,
                  105: 165,
                  106: 189,
                  107: 201,
                  108: 230,
                  109: 290,
                  110: 311,
                  111: 321}})
Y=df['count']
X=df.index

# regression
reg = LinearRegression().fit(np.vstack(X), Y)
df['bestfit'] = reg.predict(np.vstack(X))

# plotly figure setup
fig=go.Figure()
fig.add_trace(go.Bar(name='X vs Y', x=X, y=Y.values))
fig.add_trace(go.Scatter(name='line of best fit', x=X, y=df['bestfit'], mode='lines'))

# plotly figure layout
fig.update_layout(xaxis_title = 'X', yaxis_title = 'Y')

fig.show()

Код для сюжета 2:

from sklearn.linear_model import LinearRegression
import plotly.graph_objects as go
import pandas as pd
import numpy as np
import datetime

# data
df=pd.DataFrame({'date': {0: '12.10.2019',
                  1: '13.10.2019',
                  2: '14.10.2019',
                  3: '15.10.2019',
                  4: '16.10.2019',
                  5: '17.10.2019',
                  6: '18.10.2019',
                  7: '19.10.2019',
                  8: '20.10.2019',
                  9: '21.10.2019',
                  10: '22.10.2019',
                  11: '23.10.2019',
                  12: '24.10.2019',
                  13: '25.10.2019',
                  14: '26.10.2019',
                  15: '27.10.2019',
                  16: '28.10.2019',
                  17: '29.10.2019',
                  18: '30.10.2019',
                  19: '31.10.2019',
                  20: '01.11.2019',
                  21: '02.11.2019',
                  22: '03.11.2019',
                  23: '04.11.2019',
                  24: '05.11.2019',
                  25: '06.11.2019',
                  26: '07.11.2019',
                  27: '08.11.2019',
                  28: '09.11.2019',
                  29: '10.11.2019',
                  30: '11.11.2019',
                  31: '12.11.2019',
                  32: '13.11.2019',
                  33: '14.11.2019',
                  34: '15.11.2019',
                  35: '16.11.2019',
                  36: '17.11.2019',
                  37: '18.11.2019',
                  38: '19.11.2019',
                  39: '20.11.2019',
                  40: '21.11.2019',
                  41: '22.11.2019',
                  42: '23.11.2019',
                  43: '24.11.2019',
                  44: '25.11.2019',
                  45: '26.11.2019',
                  46: '27.11.2019',
                  47: '28.11.2019',
                  48: '29.11.2019',
                  49: '30.11.2019',
                  50: '01.12.2019',
                  51: '02.12.2019',
                  52: '03.12.2019',
                  53: '04.12.2019',
                  54: '05.12.2019',
                  55: '06.12.2019',
                  56: '07.12.2019',
                  57: '08.12.2019',
                  58: '09.12.2019',
                  59: '10.12.2019',
                  60: '11.12.2019',
                  61: '12.12.2019',
                  62: '13.12.2019',
                  63: '14.12.2019',
                  64: '15.12.2019',
                  65: '16.12.2019',
                  66: '17.12.2019',
                  67: '18.12.2019',
                  68: '19.12.2019',
                  69: '20.12.2019',
                  70: '21.12.2019',
                  71: '22.12.2019',
                  72: '23.12.2019',
                  73: '24.12.2019',
                  74: '25.12.2019',
                  75: '26.12.2019',
                  76: '27.12.2019',
                  77: '28.12.2019',
                  78: '29.12.2019',
                  79: '30.12.2019',
                  80: '31.12.2019',
                  81: '01.01.2020',
                  82: '02.01.2020',
                  83: '03.01.2020',
                  84: '04.01.2020',
                  85: '05.01.2020',
                  86: '06.01.2020',
                  87: '07.01.2020',
                  88: '08.01.2020',
                  89: '09.01.2020',
                  90: '10.01.2020',
                  91: '11.01.2020',
                  92: '12.01.2020',
                  93: '13.01.2020',
                  94: '14.01.2020',
                  95: '15.01.2020',
                  96: '16.01.2020',
                  97: '17.01.2020',
                  98: '18.01.2020',
                  99: '19.01.2020',
                  100: '20.01.2020',
                  101: '21.01.2020',
                  102: '22.01.2020',
                  103: '23.01.2020',
                  104: '24.01.2020',
                  105: '25.01.2020',
                  106: '26.01.2020',
                  107: '27.01.2020',
                  108: '28.01.2020',
                  109: '29.01.2020',
                  110: '30.01.2020',
                  111: '31.01.2020'},
                 'count': {0: 19,
                  1: 12,
                  2: 13,
                  3: 18,
                  4: 13,
                  5: 19,
                  6: 15,
                  7: 14,
                  8: 12,
                  9: 6,
                  10: 15,
                  11: 15,
                  12: 12,
                  13: 17,
                  14: 13,
                  15: 14,
                  16: 11,
                  17: 11,
                  18: 11,
                  19: 9,
                  20: 14,
                  21: 15,
                  22: 11,
                  23: 13,
                  24: 14,
                  25: 14,
                  26: 16,
                  27: 16,
                  28: 17,
                  29: 13,
                  30: 14,
                  31: 14,
                  32: 12,
                  33: 6,
                  34: 14,
                  35: 12,
                  36: 16,
                  37: 15,
                  38: 19,
                  39: 18,
                  40: 17,
                  41: 17,
                  42: 17,
                  43: 17,
                  44: 19,
                  45: 15,
                  46: 20,
                  47: 21,
                  48: 19,
                  49: 18,
                  50: 22,
                  51: 21,
                  52: 21,
                  53: 18,
                  54: 21,
                  55: 23,
                  56: 22,
                  57: 17,
                  58: 25,
                  59: 28,
                  60: 24,
                  61: 26,
                  62: 23,
                  63: 23,
                  64: 22,
                  65: 26,
                  66: 25,
                  67: 24,
                  68: 24,
                  69: 24,
                  70: 24,
                  71: 27,
                  72: 26,
                  73: 28,
                  74: 28,
                  75: 29,
                  76: 34,
                  77: 31,
                  78: 38,
                  79: 37,
                  80: 34,
                  81: 45,
                  82: 43,
                  83: 44,
                  84: 49,
                  85: 47,
                  86: 54,
                  87: 49,
                  88: 57,
                  89: 62,
                  90: 65,
                  91: 55,
                  92: 67,
                  93: 69,
                  94: 72,
                  95: 45,
                  96: 89,
                  97: 87,
                  98: 90,
                  99: 121,
                  100: 140,
                  101: 173,
                  102: 163,
                  103: 171,
                  104: 183,
                  105: 165,
                  106: 189,
                  107: 201,
                  108: 230,
                  109: 290,
                  110: 311,
                  111: 321}})
Y=np.log(df['count'])
X=df.index

# log regression

df_log=pd.DataFrame({'X':df.index,
                     'Y': np.log(df['count'])})
df_log.set_index('X', inplace = True)

reg = LinearRegression().fit(np.vstack(df_log.index), df_log['Y'])
df_log['bestfit'] = reg.predict(np.vstack(df_log.index))

df_new=pd.DataFrame({'X':df.index,
                     'Y':np.exp(df['count']),
                     'trend':np.exp(df_log['bestfit'])})

df_new.set_index('X', inplace=True)

# plotly figure setup
fig=go.Figure()
fig.add_trace(go.Bar(name='X vs Y', x=df_new.index, y=df['count']))
fig.add_trace(go.Scatter(name='line of best fit', x=df_new.index, y=df_new['trend'], mode='lines'))

# plotly figure layout
fig.update_layout(xaxis_title = 'X', yaxis_title = 'Y')

fig.show()

Sören Etler · Answer 2 · 13 февраля 2020

барплоты не поддерживают trendline в заговоре. express. Я думаю, что самым чистым способом сделать это будет подгонка отдельной модели линейной регрессии с использованием sklearn ( Plotly: как построить линию регрессии с использованием сюжета? )

Другой (возможно, более простой) способ получить линию тренда из точечного графика и добавить ее к диаграмме.

import plotly.graph_objects as go
help_fig = px.scatter(df, x="sepal_width", y="sepal_length", trendline="ols")
x_trend = help_fig["data"][1]['x']
y_trend = help_fig["data"][1]['y']

fig.add_trace(go.Line(x=x_trend, y=y_trend))

Я надеюсь, что смогу вам помочь,

С наилучшими пожеланиями

Sören

Plotly: Как добавить линию тренда на гистограмму?

Пожалуйста, войдите или зарегистрируйтесь чтобы ответить на этот вопрос.

Ответы [ 2 ]

Пожалуйста, войдите или зарегистрируйтесь что бы добавить комментарий.

Пожалуйста, войдите или зарегистрируйтесь что бы добавить комментарий.

Plotly: Как добавить линию тренда на гистограмму?

Пожалуйста, войдите или зарегистрируйтесь чтобы ответить на этот вопрос.

Ответы [ 2 ]

Пожалуйста, войдите или зарегистрируйтесь что бы добавить комментарий.

Пожалуйста, войдите или зарегистрируйтесь что бы добавить комментарий.

Похожие темы