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
|
7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)
227 0
|
7月前
|
数据可视化 数据挖掘 Python
【数据分析与可视化】Matplotlib中动态rc参数设置详解与实战(图文解释 附源码)
【数据分析与可视化】Matplotlib中动态rc参数设置详解与实战(图文解释 附源码)
346 0
|
1月前
|
编解码 数据可视化 前端开发
如何使用 D3.js 创建一个交互式的地图可视化?
如何使用 D3.js 创建一个交互式的地图可视化?
|
3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)
81 13
|
5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。
|
7月前
使用Plotly库创建图形的使用案例
【4月更文挑战第29天】导入plotly.express库,以iris数据集为例,展示如何创建图形。使用px.density_contour绘制密度轮廓图或px.scatter创建极坐标图,其中"x","y"定义坐标,"theta"定义极坐标的半径。最后通过fig.show显示图形。 ```
44 2
|
7月前
|
Python
使用Seaborn库创建图形的使用案例
【4月更文挑战第29天】该代码段首先导入seaborn和matplotlib库,然后加载名为"titanic"的数据集。接着,它创建一个画布并设定子图大小。通过seaborn的FacetGrid以"Attrition_Flag"为列进行分组,映射数据到网格上,用histplot展示"Customer_Age"的直方图分布。同样,也使用boxplot方法生成"Freq"的箱线图。最后展示所有图形。
33 2
|
7月前
|
数据可视化
R语言动态图可视化:如何、创建具有精美动画的图
R语言动态图可视化:如何、创建具有精美动画的图
|
7月前
|
数据可视化 数据挖掘 Python
【数据分析与可视化】Seaborn库简介及风格设置详解(图文解释 超详细)
【数据分析与可视化】Seaborn库简介及风格设置详解(图文解释 超详细)
373 1
|
7月前
|
数据可视化 API 前端开发
seaborn从入门到精通03-绘图功能实现02-分类绘图Categorical plots
seaborn从入门到精通03-绘图功能实现02-分类绘图Categorical plots
seaborn从入门到精通03-绘图功能实现02-分类绘图Categorical plots