Visualizzazioni interattive con Plotly
Plotly Express, grafici interattivi, dashboard, animazioni, mappe geografiche, esportazione
1Qual è la differenza principale tra Plotly Express e Plotly Graph Objects?
Qual è la differenza principale tra Plotly Express e Plotly Graph Objects?
Risposta
Plotly Express è un'API di alto livello che permette di creare grafici in una singola riga di codice con parametri semplici. Plotly Graph Objects è l'API di basso livello che offre il controllo completo su ogni elemento del grafico. Plotly Express utilizza Graph Objects internamente, il che consente di passare dall'uno all'altro per personalizzare ulteriormente i grafici.
2Come creare uno scatter plot con Plotly Express da un DataFrame Pandas?
Come creare uno scatter plot con Plotly Express da un DataFrame Pandas?
Risposta
La funzione px.scatter() prende un DataFrame e usa i parametri x e y per specificare quali colonne visualizzare su ciascun asse. Questa sintassi concisa permette di creare rapidamente visualizzazioni interattive senza configurazioni complesse. Parametri opzionali come color, size e hover_data permettono di arricchire il grafico.
3Quale parametro di Plotly Express permette di colorare i punti in base a una variabile categorica?
Quale parametro di Plotly Express permette di colorare i punti in base a una variabile categorica?
Risposta
Il parametro color in Plotly Express assegna automaticamente colori distinti a ciascun valore unico di una variabile categorica. Plotly genera una legenda interattiva e utilizza una palette di colori predefinita ottimizzata per la distinzione visiva. Questo parametro funziona anche con variabili numeriche per creare un gradiente di colori.
Come visualizzare un grafico Plotly in un notebook Jupyter?
Come esportare un grafico Plotly in formato HTML per condividerlo?
+15 domande da colloquio
Altri argomenti di colloquio Data Science & ML
Fondamenti di Python
Programmazione Orientata agli Oggetti in Python
Strutture dati Python
Fondamenti di Git
Fondamenti di SQL
Fondamenti di NumPy
Fondamenti di Pandas
Jupyter & Google Colab
SQL Joins e query avanzate
Pandas avanzato
Visualizzazione con Matplotlib & Seaborn
Statistica descrittiva
Statistica inferenziale
Web Scraping
BigQuery & Cloud Data
Feature Engineering
ML Supervisionato: Regressione
ML Supervisionato: Classificazione
Alberi Decisionali e Ensembles
ML Non Supervisionato
Pipeline ML e Validazione
Serie Temporali e Previsione
Fondamenti di Deep Learning
TensorFlow & Keras
CNN e classificazione di immagini
RNN e Sequenze
Transformers e Attention
NLP e Hugging Face
GenAI e LangChain
MLOps e Deployment
Padroneggia Data Science & ML per il tuo prossimo colloquio
Accedi a tutte le domande, flashcards, test tecnici, esercizi di code review e simulatori di colloquio.
Inizia gratis