Interactieve visualisaties met Plotly
Plotly Express, interactieve grafieken, dashboards, animaties, geografische kaarten, export
1Wat is het belangrijkste verschil tussen Plotly Express en Plotly Graph Objects?
Wat is het belangrijkste verschil tussen Plotly Express en Plotly Graph Objects?
Antwoord
Plotly Express is een high-level API waarmee grafieken in één regel code met eenvoudige parameters kunnen worden gemaakt. Plotly Graph Objects is de low-level API die volledige controle biedt over elk grafiekelement. Plotly Express gebruikt intern Graph Objects, waardoor je tussen beide kunt schakelen om grafieken verder aan te passen.
2Hoe maak je een scatter plot met Plotly Express van een Pandas DataFrame?
Hoe maak je een scatter plot met Plotly Express van een Pandas DataFrame?
Antwoord
De functie px.scatter() neemt een DataFrame en gebruikt de parameters x en y om aan te geven welke kolommen op elke as moeten worden weergegeven. Deze beknopte syntax maakt het snel maken van interactieve visualisaties mogelijk zonder complexe configuratie. Optionele parameters zoals color, size en hover_data verrijken de grafiek.
3Welke Plotly Express-parameter maakt het kleuren van punten op basis van een categorische variabele mogelijk?
Welke Plotly Express-parameter maakt het kleuren van punten op basis van een categorische variabele mogelijk?
Antwoord
De color-parameter in Plotly Express wijst automatisch verschillende kleuren toe aan elke unieke waarde van een categorische variabele. Plotly genereert een interactieve legenda en gebruikt een standaard kleurenpalet dat is geoptimaliseerd voor visuele onderscheiding. Deze parameter werkt ook met numerieke variabelen om een kleurverloop te maken.
Hoe geef je een Plotly-grafiek weer in een Jupyter-notebook?
Hoe exporteer je een Plotly-grafiek naar HTML-formaat om te delen?
+15 gespreksvragen
Andere Data Science & ML-sollicitatieonderwerpen
Python-basisbeginselen
Python Objectgeoriënteerd Programmeren
Python-datastructuren
Git-Fundamenten
SQL-basisbeginselen
NumPy-grondbeginselen
Pandas-basis
Jupyter & Google Colab
SQL Joins & geavanceerde queries
Geavanceerd Pandas
Visualisatie met Matplotlib & Seaborn
Beschrijvende statistiek
Inferentiële statistiek
Web Scraping
BigQuery & Cloud Data
Feature Engineering
Supervised ML: Regressie
Supervised ML: Classificatie
Beslissingsbomen & Ensembles
Ongesuperviseerd ML
ML Pipelines & Validatie
Tijdreeksen & Voorspelling
Fundamenten van Deep Learning
TensorFlow & Keras
CNN en beeldclassificatie
RNN & Reeksen
Transformers & Attention
NLP & Hugging Face
GenAI & LangChain
MLOps en Deployment
Beheers Data Science & ML voor je volgende gesprek
Krijg toegang tot alle vragen, flashcards, technische tests, code review-oefeningen en gespreksimulatoren.
Begin gratis