pip install plotly

import plotly.express as px
import plotly.graph_objects as go
import pandas as pd
import numpy as np

import plotly.express as px
import pandas as pd

# Vytvoríme jednoduchý DataFrame
df = pd.DataFrame({
    "Fruit": ["Apples", "Oranges", "Bananas", "Grapes"],
    "Amount": [10, 15, 7, 12]
})


# Vytvorenie a zobrazenie grafu
fig = px.bar(df, x="Fruit", y="Amount", title="Jednoduchý Bar Chart")
fig.show()

# Vstavaný dataset Gapminder (demografické údaje krajín)
gapminder = px.data.gapminder()
gapminder.head()

help(px.scatter)

fig = px.scatter(
    gapminder.query("year == 2007"),
    x="gdpPercap",
    y="lifeExp", 
    color="continent",
    hover_name="country",
    size="pop",
    log_x=True,  # X-ová os logaritmická (prehľadnejšie pri veľkých rozdieloch)
    title="GDP vs Life Expectancy (2007)"
)
fig.show()

fig_line = px.line(
    gapminder.query("country == 'Slovak Republic'"),
    x="year", 
    y="lifeExp",
    title="Vývoj strednej dĺžky života v SR"
)
fig_line.show()

fig = go.Figure()
fig.add_trace(
    go.Scatter(
        x=[...],
        y=[...],
        mode='lines+markers',
        name='...'
    )
)
fig.update_layout(...)
fig.show()

# Uloženie do HTML
fig.write_html('moj_graf.html')

# Uloženie do PNG (vyžaduje kaleido alebo orca)
fig.write_image('moj_graf.png')

from plotly.subplots import make_subplots

# Vyfiltrujeme dáta pre Japonsko (prípadne môžete použiť inú krajinu)
data_japan = gapminder[gapminder['country'] == 'Japan']

# Vytvoríme figúru s dvoma y-osiami
fig = make_subplots(specs=[[{"secondary_y": True}]])

# Pridáme trendovú čiaru pre priemernú dĺžku života (lifeExp)
fig.add_trace(
    go.Scatter(
        x=data_japan['year'],
        y=data_japan['lifeExp'],
        mode='lines',
        name='Life Expectancy',
        line=dict(color='blue', width=3)
    ),
    secondary_y=False
)

# Pridáme body (markers) pre populáciu (pop)
fig.add_trace(
    go.Scatter(
        x=data_japan['year'],
        y=data_japan['pop'],
        mode='markers',
        name='Population',
        marker=dict(size=10, color='red', opacity=0.8)
    ),
    secondary_y=True
)

# Aktualizácia layoutu grafu
fig.update_layout(
    title='Trend Life Expectancy a Population pre Japonsko',
    xaxis_title='Year',
    template='plotly_white'
)
fig.update_yaxes(title_text="Life Expectancy", secondary_y=False)
fig.update_yaxes(title_text="Population", secondary_y=True)

fig.show()

# Uloženie do HTML
fig.write_html('moj_graf.html')

# Uloženie do PNG (vyžaduje kaleido alebo orca)
fig.write_image('moj_graf.png')

!pip install bokeh
!pip install bokeh_sampledata

from bokeh.plotting import figure, show, output_notebook
from bokeh.models import ColumnDataSource

# Aby sa grafy zobrazovali v notebooku
output_notebook()

p = figure(tools='pan,wheel_zoom,hover')

# Vyberieme dáta za rok 2007
data2007 = gapminder[gapminder['year'] == 2007]

# Vytvorenie ColumnDataSource pre Bokeh
source = ColumnDataSource(data2007)
# Vytvorenie grafu (figure) s použitím width a height
p = figure(
    title="Gapminder 2007 - Bokeh Demo",
    x_axis_label="GDP per Capita",
    y_axis_label="Life Expectancy",
    width=600,
    height=400,
    x_axis_type="log"  # Logaritmická os pre GDP
)

# Vykreslenie bodov pomocou metódy circle
p.circle(
    x="gdpPercap",
    y="lifeExp",
    size=7,
    color="navy",
    alpha=0.5,
    source=source
)

# Zobrazenie grafu
show(p)

from bokeh.models import HoverTool

# Načítanie dát Gapminder a filtrovanie pre rok 2007
gapminder = px.data.gapminder()
data2007 = gapminder[gapminder['year'] == 2007]
source = ColumnDataSource(data=data2007)

p = figure(
    title="Gapminder 2007 - Bokeh Demo",
    x_axis_label="GDP per Capita",
    y_axis_label="Life Expectancy",
    width=600,
    height=400,
    x_axis_type="log"
)

p.circle(
    x="gdpPercap",
    y="lifeExp",
    size=7,
    color="navy",
    alpha=0.5,
    source=source
)

# Vytvorenie a pridanie HoverTool
hover = HoverTool(tooltips=[
    ("Country", "@country"),
    ("GDP per Capita", "@gdpPercap"),
    ("Life Expectancy", "@lifeExp"),
    ("Population", "@pop")
])
p.add_tools(hover)

show(p)

pip install ipywidgets
jupyter nbextension enable --py widgetsnbextension

def plot_matplotlib(country='Japan'):
    # Vyfiltrujeme dáta pre vybranú krajinu
    data = gapminder[gapminder['country'] == country]
    
    plt.figure(figsize=(8, 4))
    plt.plot(data['year'], data['lifeExp'], marker='o', linestyle='-', color='blue')
    plt.title(f'Trend dĺžky života pre {country}')
    plt.xlabel('Rok')
    plt.ylabel('Life Expectancy')
    plt.grid(True)
    plt.show()

# Vytvorenie widgetu; parameter `country` sa bude prepájať so zoznamom unikátnych krajín
interact(plot_matplotlib, country=sorted(gapminder['country'].unique()))

Prednáška 9: Interaktívne grafy a widgety¶

Obsah¶

Úvod¶

Plotly¶

Inštalácia a import¶

Základné interaktívne grafy (plotly.express)¶

Hlavné Premenné v Datasete¶

Scatter plot¶

Line plot¶

Pokročilejšie možnosti (plotly.graph_objects)¶

Export grafov¶

Bokeh¶

Inštalácia a import¶

Základná práca s `figure`¶

Interaktívne nástroje¶

Bokeh server a rozšírenia¶

ipywidgets + Matplotlib/Plotly¶

Inštalácia a import¶

`interact` a `interactive`¶

Zhrnutie¶

Kedy ktorý nástroj?¶

Referencie a doplnkové zdroje¶

Prednáška 9: Interaktívne grafy a widgety¶

Obsah¶

Úvod¶

Plotly¶

Inštalácia a import¶

Základné interaktívne grafy (plotly.express)¶

Hlavné Premenné v Datasete¶

Scatter plot¶

Line plot¶

Pokročilejšie možnosti (plotly.graph_objects)¶

Export grafov¶

Bokeh¶

Inštalácia a import¶

Základná práca s figure¶

Interaktívne nástroje¶

Bokeh server a rozšírenia¶

ipywidgets + Matplotlib/Plotly¶

Inštalácia a import¶

interact a interactive¶

Zhrnutie¶

Kedy ktorý nástroj?¶

Referencie a doplnkové zdroje¶

Základná práca s `figure`¶

`interact` a `interactive`¶