如何利用从polar上获得的睡眠和运动信息使用plotly画图展示?

本文涉及的产品
云原生数据库 PolarDB 分布式版,标准版 2核8GB
简介: 如何利用从polar上获得的睡眠和运动信息使用plotly画图展示?

如何展示相应的信息

这个涉及到使用plotly进行画图,我们使用简单一些的方法,根据需要增加相应得到副图数目。

画图的要点:

需要画几副图,就修改参数:fig = make_subplots(rows=4, cols=1),rows =4,cols=1代表有4幅图,每行一个,有4行,x轴是日期,y轴相应的数据,name是名称,row和col是相应到嗯位置,下面的代码,会画出来睡眠图

import plotly.graph_objects as go
from plotly.subplots import make_subplots
import pandas as pd
sleep_df = pd.read_csv("2020年睡眠数据.csv")
sleep_df['sleep_quality'] = run_df['sleepQuality']
sleep_df['date'] = pd.to_datetime(sleep_df['date'])
sleep_df['start_time']=[i.split("+")[0].split("T")[1] for i in sleep_df['sleep_start_time']]
sleep_df['end_time']=[i.split("+")[0].split("T")[1] for i in sleep_df['sleep_end_time']]
sleep_df['sleep_time'] = [float(i)/3600 for i in sleep_df['sleep_time']]
sleep_df = sleep_df[sleep_df['sleep_quality']!=0]
fig = make_subplots(
    rows=4, cols=1)
fig.add_trace(
    go.Scatter(x=sleep_df['date'],y=sleep_df['sleep_time'],name='2020年每天睡眠时间'),
    row=1, col=1
)
fig.add_trace(
    go.Scatter(x=sleep_df['date'],y=sleep_df['efficiencyPercent'],name='2020年每天睡眠有效百分比'),
    row=2, col=1)
fig.add_trace(
    go.Scatter(x=sleep_df['date'],y=sleep_df['continuityIndex'],name='2020年每天睡眠的连续指数'),
    row=3, col=1
)
fig.add_trace(
    go.Scatter(x=sleep_df['date'],y=sleep_df["sleep_quality"],name='2020年每天睡眠的质量'),
    row=4, col=1
)
fig.show()

下面的代码,画出来运动的图

import plotly.graph_objects as go
from plotly.subplots import make_subplots
import pandas as pd
run_df = pd.read_csv("2020年运动数据.csv")
run_df['date']=pd.to_datetime([i.split("T")[0] for i in run_df['datetime']])
run_df['activeTime'] =[float(i)/3600000 for i in run_df['activeTime']]
fig = make_subplots(
    rows=5, cols=1)
fig.add_trace(
    go.Scatter(x=run_df['date'],y=run_df['goalPercent'],name='2020年每天运动目标实现百分比'),
    row=1, col=1
)
fig.add_trace(
    go.Scatter(x=run_df['date'],y=run_df['calories'],name='2020年每天运动消耗的卡路里'),
    row=2, col=1)
fig.add_trace(
    go.Scatter(x=run_df['date'],y=run_df['stepCount'],name='2020年每天走的步数'),
    row=3, col=1
)
fig.add_trace(
    go.Scatter(x=run_df['date'],y=run_df["distanceFromSteps"],name='2020年每天走的距离'),
    row=4, col=1
)
fig.add_trace(
    go.Scatter(x=run_df['date'],y=run_df["activeTime"],name='2020年每天活动状态的时间'),
    row=5, col=1
)
fig.show()

画图相对来说,也特别简单。大家根据需要,模仿这些代码就可以了。如果对python不熟悉的话,可能刚开始比较难,如果平时不需要,完全按照这些代码去实现就好。如果平时工作中,学习python能够带来一定的帮助,还是建议学一学Python。画出来得到图,就是第一篇文章中的样子。

相关实践学习
快速体验PolarDB开源数据库
本实验环境已内置PostgreSQL数据库以及PolarDB开源数据库:PolarDB PostgreSQL版和PolarDB分布式版,支持一键拉起使用,方便各位开发者学习使用。
目录
相关文章
|
6月前
|
数据可视化 API Python
画图实战-Python实现某产品全年销量数据多种样式可视化
画图实战-Python实现某产品全年销量数据多种样式可视化
88 0
|
6月前
|
数据可视化 数据挖掘 大数据
【数据分析与可视化】Matplotlib绘图基础语法讲解(图文解释 超详细)
【数据分析与可视化】Matplotlib绘图基础语法讲解(图文解释 超详细)
184 0
|
人工智能 数据可视化 Go
R绘图实战|GSEA富集分析图
GSEA(Gene Set EnrichmentAnalysis),即基因集富集分析,它的基本思想是使用预定义的基因,将基因按照在两类样本中的差异表达程度排序,然后检验预先设定的基因集合是否在这个排序表的顶端或者底端富集。
2718 0
R绘图实战|GSEA富集分析图
|
2月前
|
JSON JavaScript Linux
绘图框架 plotly 知识点补充(绘制子图,图表保存)
绘图框架 plotly 知识点补充(绘制子图,图表保存)
61 13
|
4月前
|
数据可视化 Linux 数据格式
`seaborn`是一个基于`matplotlib`的Python数据可视化库,它提供了更高级别的接口来绘制有吸引力的和信息丰富的统计图形。`seaborn`的设计目标是使默认图形具有吸引力,同时允许用户通过调整绘图参数来定制图形。
`seaborn`是一个基于`matplotlib`的Python数据可视化库,它提供了更高级别的接口来绘制有吸引力的和信息丰富的统计图形。`seaborn`的设计目标是使默认图形具有吸引力,同时允许用户通过调整绘图参数来定制图形。
|
6月前
|
数据可视化
约会数据动态可视化分析:R语言使用GGPLOT和GGANIMATE制作动画图
约会数据动态可视化分析:R语言使用GGPLOT和GGANIMATE制作动画图
|
6月前
|
编解码 数据可视化
R语言动态可视化:绘制历史全球平均温度的累积动态折线图动画gif视频图
R语言动态可视化:绘制历史全球平均温度的累积动态折线图动画gif视频图
|
JSON 数据可视化 定位技术
可视化 | Python绘制高颜值台风地理轨迹图
可视化 | Python绘制高颜值台风地理轨迹图
|
人工智能 数据可视化
如何一步步提高图形 B 格?以 ggplot 绘图为例
如何一步步提高图形 B 格?以 ggplot 绘图为例
135 0
|
数据可视化
Qt开发技术:Q3D图表开发笔记(一):Q3DScatter三维散点图介绍、Demo以及代码详解
qt提供了q3d进行三维开发,虽然这个框架没有得到大量运用也不是那么成功,性能上也有很大的欠缺,但是普通的点到为止的应用展示还是可以的。
Qt开发技术:Q3D图表开发笔记(一):Q3DScatter三维散点图介绍、Demo以及代码详解