Interaktywne wizualizacje z Plotly
Plotly Express, interaktywne wykresy, dashboardy, animacje, mapy geograficzne, eksport
1Jaka jest główna różnica między Plotly Express a Plotly Graph Objects?
Jaka jest główna różnica między Plotly Express a Plotly Graph Objects?
Odpowiedź
Plotly Express to wysokopoziomowe API, które pozwala tworzyć wykresy w jednej linii kodu z prostymi parametrami. Plotly Graph Objects to niskopoziomowe API oferujące pełną kontrolę nad każdym elementem wykresu. Plotly Express używa Graph Objects wewnętrznie, co pozwala przełączać się między nimi w celu dalszej personalizacji wykresów.
2Jak utworzyć scatter plot za pomocą Plotly Express z DataFrame Pandas?
Jak utworzyć scatter plot za pomocą Plotly Express z DataFrame Pandas?
Odpowiedź
Funkcja px.scatter() przyjmuje DataFrame i używa parametrów x oraz y do określenia, które kolumny mają być wyświetlane na każdej osi. Ta zwięzła składnia pozwala szybko tworzyć interaktywne wizualizacje bez skomplikowanej konfiguracji. Opcjonalne parametry takie jak color, size i hover_data pozwalają wzbogacić wykres.
3Który parametr Plotly Express pozwala kolorować punkty według zmiennej kategorialnej?
Który parametr Plotly Express pozwala kolorować punkty według zmiennej kategorialnej?
Odpowiedź
Parametr color w Plotly Express automatycznie przypisuje odrębne kolory każdej unikalnej wartości zmiennej kategorialnej. Plotly generuje interaktywną legendę i używa domyślnej palety kolorów zoptymalizowanej dla wizualnego rozróżnienia. Ten parametr działa również ze zmiennymi numerycznymi, tworząc gradient kolorów.
Jak wyświetlić wykres Plotly w notebooku Jupyter?
Jak wyeksportować wykres Plotly do formatu HTML w celu udostępnienia?
+15 pytań z rozmów
Inne tematy rekrutacyjne Data Science & ML
Podstawy Pythona
Programowanie Obiektowe w Pythonie
Struktury danych Python
Podstawy Git
Podstawy SQL
Podstawy NumPy
Podstawy Pandas
Jupyter & Google Colab
SQL Joins i zaawansowane zapytania
Zaawansowany Pandas
Wizualizacja z Matplotlib & Seaborn
Statystyka opisowa
Statystyka inferencyjna
Web Scraping
BigQuery & Cloud Data
Feature Engineering
Uczenie nadzorowane: Regresja
Uczenie nadzorowane: Klasyfikacja
Drzewa Decyzyjne i Ensembles
ML Nienadzorowane
Pipeline'y ML i walidacja
Szeregi czasowe i prognozowanie
Podstawy Deep Learning
TensorFlow & Keras
CNN i klasyfikacja obrazów
RNN i Sekwencje
Transformers i Attention
NLP i Hugging Face
GenAI i LangChain
MLOps i Wdrożenie
Opanuj Data Science & ML na następną rozmowę
Uzyskaj dostęp do wszystkich pytań, flashcards, testów technicznych, ćwiczeń code review i symulatorów rozmów.
Zacznij za darmo