Plotly তে ডেটা ফরম্যাটিং এবং প্লট কাস্টমাইজেশন একটি গুরুত্বপূর্ণ অংশ, কারণ এটি আপনার গ্রাফ বা চার্টের উপস্থাপনা এবং ব্যবহারকারীর অভিজ্ঞতা উন্নত করতে সাহায্য করে। নিচে কিছু গুরুত্বপূর্ণ বিষয় তুলে ধরা হলো, যা ডেটা ফরম্যাটিং এবং প্লট কাস্টমাইজেশনের ক্ষেত্রে ব্যবহৃত হয়।
Data Formatting (ডেটা ফরম্যাটিং)
Plotly তে ডেটা ফরম্যাটিং এর মাধ্যমে আপনি গ্রাফের বিভিন্ন উপাদানের প্রদর্শন কাস্টমাইজ করতে পারেন, যেমন: অক্ষরের ফরম্যাট, সংখ্যা বা টেক্সটের প্রদর্শন পদ্ধতি, এবং অন্যান্য গুরুত্বপূর্ণ ডেটা প্যারামিটার।
১. অক্ষর (Axis) ফরম্যাটিং
Plotly তে অক্ষরের টেক্সট বা ভ্যালু ফরম্যাট করতে আপনি tickformat ব্যবহার করতে পারেন। এটি ব্যবহার করে আপনি সংখ্যা বা তারিখের ফরম্যাট কাস্টমাইজ করতে পারেন।
import plotly.graph_objects as go
# ডেটা সেট
x_data = ['Jan', 'Feb', 'Mar', 'Apr', 'May']
y_data = [10, 20, 30, 40, 50]
# প্লট তৈরি
fig = go.Figure(data=[go.Bar(x=x_data, y=y_data)])
# এক্স অক্ষরের ফরম্যাট
fig.update_layout(
xaxis=dict(
tickformat='%b' # মাসের প্রথম তিনটি অক্ষর
)
)
fig.show()
এই উদাহরণে, এক্স অক্ষরের মাসের নামের প্রথম তিনটি অক্ষর প্রদর্শিত হবে।
২. সংখ্যা ফরম্যাটিং
এছাড়া আপনি tickformat ব্যবহার করে সংখ্যা বা অর্থনৈতিক ডেটা ফরম্যাটও পরিবর্তন করতে পারেন।
fig.update_layout(
yaxis=dict(
tickformat='$,.2f' # অর্থনৈতিক মান এবং দুই দশমিকের প্রদর্শন
)
)
এই কোডটি আপনার গ্রাফের y অক্ষরে সমস্ত সংখ্যা অর্থনৈতিক ফরম্যাটে এবং দুই দশমিক স্থান সহ প্রদর্শন করবে।
৩. তারিখ ফরম্যাটিং
আপনি যদি টাইম সিরিজ ডেটা ব্যবহার করেন, তবে tickformat এর মাধ্যমে তারিখ ফরম্যাটও পরিবর্তন করা সম্ভব।
fig.update_layout(
xaxis=dict(
tickformat='%Y-%m-%d' # বছরের-মাস-দিন ফরম্যাট
)
)
এটি x অক্ষরে তারিখকে "YYYY-MM-DD" ফরম্যাটে প্রদর্শন করবে।
Plot Customization (প্লট কাস্টমাইজেশন)
Plotly তে প্লট কাস্টমাইজেশন করতে, আপনি বিভিন্ন সেটিংস পরিবর্তন করতে পারেন, যেমন প্লটের ব্যাকগ্রাউন্ড, গ্রিডলাইন, মার্জিন, এবং আরও অনেক কিছু।
১. ব্যাকগ্রাউন্ড পরিবর্তন
প্লটের ব্যাকগ্রাউন্ড রং পরিবর্তন করার জন্য plot_bgcolor এবং paper_bgcolor ব্যবহার করা হয়।
fig.update_layout(
plot_bgcolor='lightblue', # প্লটের ব্যাকগ্রাউন্ড রঙ
paper_bgcolor='white' # পুরো পেজের ব্যাকগ্রাউন্ড রঙ
)
এটি প্লটের ব্যাকগ্রাউন্ডে হালকা নীল এবং পুরো পৃষ্ঠার ব্যাকগ্রাউন্ডে সাদা রং ব্যবহার করবে।
২. গ্রিডলাইন কাস্টমাইজেশন
গ্রিডলাইন এবং অক্ষরের স্কেলকে কাস্টমাইজ করতে আপনি gridcolor, showgrid ইত্যাদি ব্যবহার করতে পারেন।
fig.update_layout(
xaxis=dict(
showgrid=True, # x অক্ষরের গ্রিড লাইন দেখাবে
gridcolor='gray', # গ্রিড লাইনের রঙ
gridwidth=1 # গ্রিড লাইনের প্রস্থ
),
yaxis=dict(
showgrid=True, # y অক্ষরের গ্রিড লাইন দেখাবে
gridcolor='lightgray', # গ্রিড লাইনের রঙ
gridwidth=0.5 # গ্রিড লাইনের প্রস্থ
)
)
এই সেটিংসটি গ্রিডলাইনের রঙ এবং প্রস্থ কাস্টমাইজ করবে এবং গ্রিডলাইনগুলো দেখাবে।
৩. মার্জিন কাস্টমাইজেশন
প্লটের চারপাশে মার্জিন (spacing) কাস্টমাইজ করতে margin প্যারামিটার ব্যবহার করা হয়। আপনি উপরের, নীচের, ডান এবং বাম মার্জিন সঠিকভাবে নির্ধারণ করতে পারেন।
fig.update_layout(
margin=dict(
t=50, # উপরের মার্জিন
b=50, # নিচের মার্জিন
l=50, # বাম মার্জিন
r=50 # ডান মার্জিন
)
)
এটি প্লটের চারপাশে ৫০ পিক্সেল মার্জিন সেট করবে।
সারাংশ
Plotly তে ডেটা ফরম্যাটিং এবং প্লট কাস্টমাইজেশন আপনাকে আপনার গ্রাফ বা চার্টকে আরও সঠিক এবং আকর্ষণীয় ভাবে উপস্থাপন করতে সহায়তা করে। ডেটার সঠিক ফরম্যাট, অক্ষরের প্রদর্শন, এবং প্লটের ভিজুয়াল কাস্টমাইজেশন করার মাধ্যমে আপনি আরও কার্যকরী এবং ব্যবহারকারীর জন্য উপযোগী গ্রাফ তৈরি করতে পারবেন।
Plotly দিয়ে গ্রাফ তৈরি করার সময়, আপনি ডেটা পয়েন্টগুলির Color, Size, এবং Shape কাস্টমাইজ করতে পারেন। এই কাস্টমাইজেশনগুলি গ্রাফকে আরও ইন্টারেকটিভ এবং তথ্যপূর্ণ করে তোলে, যেখানে প্রতিটি ডেটা পয়েন্টের মান এবং অন্যান্য বৈশিষ্ট্য সোজা চোখে দেখা যায়।
Color, Size, এবং Shape কাস্টমাইজেশন
Plotly তে Color, Size, এবং Shape Parameters দিয়ে ডেটা পয়েন্টগুলির বৈশিষ্ট্য কাস্টমাইজ করা যায়। এটি মূলত এক্স ও ওয়াই অ্যাক্সিসের বাইরে আরও একটি ভিজুয়াল পারামিটার হিসেবে কাজ করে, যাতে ডেটার আরও বিস্তারিত দিক বোঝা যায়। চলুন, একে একে এদের ব্যাখ্যা করা যাক।
১. Color কাস্টমাইজেশন
color প্যারামিটারটি ডেটার ভিন্ন ক্যাটেগরি বা মানের জন্য আলাদা রং নির্ধারণ করে। এটি গ্রাফের পয়েন্টগুলির জন্য আলাদা রঙ নির্বাচন করে, যা ডেটার ভিন্ন ভিন্ন শ্রেণী বা মানের পার্থক্য প্রকাশ করে।
উদাহরণ:
import plotly.express as px
# উদাহরণস্বরূপ, Gapminder ডেটাসেট ব্যবহার
df = px.data.gapminder()
# Scatter Plot তৈরি করা এবং Color কাস্টমাইজেশন
fig = px.scatter(df, x='gdpPercap', y='lifeExp', color='continent', size='pop', title="GDP vs Life Expectancy")
fig.show()
এখানে, color='continent' প্যারামিটারটি মহাদেশ (continent) অনুযায়ী আলাদা রঙ ব্যবহার করে ডেটা পয়েন্টগুলিকে আলাদা করেছে।
২. Size কাস্টমাইজেশন
size প্যারামিটারটি প্রতিটি ডেটা পয়েন্টের আকার নির্ধারণ করে, যা সাধারণত একটি পরিমাপের ভিত্তিতে হতে পারে, যেমন জনসংখ্যা বা আয়তন। এটি ডেটা পয়েন্টের আকারের মাধ্যমে অতিরিক্ত তথ্য দেখায়।
উদাহরণ:
fig = px.scatter(df, x='gdpPercap', y='lifeExp', color='continent', size='pop', title="GDP vs Life Expectancy")
fig.show()
এখানে, size='pop' প্যারামিটারটি জনসংখ্যার (population) পরিমাণ অনুযায়ী প্রতিটি ডেটা পয়েন্টের আকার নির্ধারণ করেছে।
৩. Shape কাস্টমাইজেশন
symbol প্যারামিটারটি গ্রাফের ডেটা পয়েন্টগুলির আকার বা চিহ্ন পরিবর্তন করতে ব্যবহৃত হয়। আপনি বিভিন্ন ধরনের চিহ্ন যেমন গোল, স্কয়ার, ত্রিভুজ ইত্যাদি নির্বাচন করতে পারেন।
উদাহরণ:
fig = px.scatter(df, x='gdpPercap', y='lifeExp', color='continent', size='pop', symbol='continent', title="GDP vs Life Expectancy")
fig.show()
এখানে, symbol='continent' প্যারামিটারটি মহাদেশ (continent) অনুযায়ী ডেটা পয়েন্টের জন্য আলাদা চিহ্ন নির্বাচন করেছে।
Data Points এর জন্য Color, Size, এবং Shape কাস্টমাইজেশন: একত্রে
এখন যদি আমরা Color, Size, এবং Shape এর কাস্টমাইজেশন একসঙ্গে ব্যবহার করি, তাহলে আমরা একটি সম্পূর্ণ কাস্টমাইজড গ্রাফ তৈরি করতে পারি যা অনেক বেশি তথ্য বহন করে। নিচে একটি উদাহরণ দেওয়া হলো যেখানে এই তিনটি প্যারামিটার একত্রে ব্যবহার করা হয়েছে:
import plotly.express as px
# উদাহরণস্বরূপ, Gapminder ডেটাসেট ব্যবহার
df = px.data.gapminder()
# Scatter Plot তৈরি করা এবং Color, Size, Shape কাস্টমাইজেশন
fig = px.scatter(df, x='gdpPercap', y='lifeExp', color='continent', size='pop', symbol='continent', title="GDP vs Life Expectancy")
fig.show()
এখানে:
color='continent'দ্বারা রঙ পরিবর্তন করা হয়েছে।size='pop'দ্বারা জনসংখ্যার পরিমাণ অনুযায়ী আকার পরিবর্তন করা হয়েছে।symbol='continent'দ্বারা মহাদেশের ভিত্তিতে চিহ্ন পরিবর্তন করা হয়েছে।
Color, Size, এবং Shape কাস্টমাইজেশন এর সুবিধা
- আরো তথ্যপূর্ণ: Color, Size, এবং Shape ব্যবহার করে আপনি ডেটার বেশি তথ্য এক্সপ্রেস করতে পারেন, যেমন কোন ডেটা পয়েন্ট বড়, ছোট বা কোন ক্যাটেগরিতে পড়ে তা সহজেই বোঝা যায়।
- ইন্টারেকটিভ অভিজ্ঞতা: এই কাস্টমাইজেশনগুলো গ্রাফকে আরও ইন্টারেকটিভ এবং ব্যবহারকারী বান্ধব করে তোলে।
- তুলনামূলক বিশ্লেষণ: একাধিক ভেরিয়েবলের মধ্যে সম্পর্ক দেখতে Color, Size, এবং Shape খুবই কার্যকরী।
সারাংশ
Plotly তে Color, Size, এবং Shape কাস্টমাইজেশন ব্যবহার করে আপনি ডেটা পয়েন্টগুলিকে ভিন্ন ভিন্ন বৈশিষ্ট্যের মাধ্যমে উপস্থাপন করতে পারেন, যা গ্রাফের ধারণক্ষমতা এবং ইন্টারপ্রেটেশন ক্ষমতাকে বাড়ায়। এই কাস্টমাইজেশনগুলো ডেটা ভিজুয়ালাইজেশনকে আরও সহজবোধ্য, আকর্ষণীয় এবং তথ্যপূর্ণ করে তোলে।
Plotly-এর মাধ্যমে Custom Tooltips তৈরি করা ডেটা ভিজুয়ালাইজেশনকে আরও ইন্টারেকটিভ এবং কাস্টমাইজড করে তোলে। Tooltips হল তথ্যের ছোট পপ-আপ উইন্ডো যা গ্রাফের কোন একটি পয়েন্টের ওপর মাউস হোভার করলে প্রদর্শিত হয়। Plotly ব্যবহারকারীদের বিভিন্ন তথ্য দেখানোর জন্য কাস্টম Tooltips তৈরি করার সুযোগ দেয়।
এখানে আমরা দেখাবো কীভাবে Plotly ব্যবহার করে Custom Tooltips তৈরি করা যায়।
Custom Tooltips তৈরি করার ধাপ
- Tooltips কাস্টমাইজ করা: আপনি
hovertemplateআর্গুমেন্ট ব্যবহার করে Tooltip-এর কন্টেন্ট কাস্টমাইজ করতে পারেন। - এনোটেশন এবং অন্যান্য কাস্টম ডেটা যুক্ত করা:
hovertemplateব্যবহার করে ডেটার জন্য অতিরিক্ত বা ফরম্যাটেড তথ্য প্রদর্শন করা যায়।
উদাহরণ ১: Scatter Plot-এ Custom Tooltip তৈরি করা
এখানে আমরা একটি Scatter Plot তৈরি করব এবং প্রতিটি পয়েন্টের সাথে কাস্টম Tooltip যুক্ত করব।
কোড:
import plotly.graph_objects as go
# ডেটা তৈরি করা
x = [1, 2, 3, 4, 5]
y = [10, 11, 12, 13, 14]
text = ['A', 'B', 'C', 'D', 'E'] # Tooltips প্রদর্শনের জন্য টেক্সট
# Scatter Plot তৈরি করা এবং custom tooltip যোগ করা
fig = go.Figure(data=go.Scatter(
x=x,
y=y,
mode='markers',
text=text, # Tooltip text
hovertemplate='<b>%{text}</b><br>X: %{x}<br>Y: %{y}<extra></extra>' # Custom Tooltip Template
))
# গ্রাফ প্রদর্শন
fig.show()
ব্যাখ্যা:
text: এই আর্গুমেন্টে Tooltip-এ প্রদর্শিত হওয়া টেক্সট যুক্ত করা হয়েছে।hovertemplate: এখানে custom tooltip তৈরি করা হয়েছে যেখানে<b>%{text}</b><br>X: %{x}<br>Y: %{y}দ্বারা Tooltip-এ দেশ, X এবং Y ভ্যালু কাস্টম ফরম্যাটে প্রদর্শিত হবে।<b>%{text}</b>: পয়েন্টের টেক্সটকে বোল্ড হিসেবে দেখানো হয়েছে।%{x}এবং%{y}: Tooltip-এ এক্স এবং ওয়াই ভ্যালু দেখাবে।<extra></extra>: এই অংশটি অতিরিক্ত তথ্য প্রদর্শন থেকে বাদ দেয়।
উদাহরণ ২: Bar Plot-এ Custom Tooltip তৈরি করা
এখানে আমরা একটি Bar Plot তৈরি করব এবং প্রতিটি বারের সাথে কাস্টম Tooltip যুক্ত করব।
কোড:
import plotly.graph_objects as go
# ডেটা তৈরি করা
x = ['A', 'B', 'C', 'D', 'E']
y = [10, 11, 12, 13, 14]
text = ['Category A', 'Category B', 'Category C', 'Category D', 'Category E']
# Bar Plot তৈরি করা এবং custom tooltip যোগ করা
fig = go.Figure(data=go.Bar(
x=x,
y=y,
text=text, # Tooltip text
hovertemplate='<b>%{text}</b><br>Value: %{y}<extra></extra>' # Custom Tooltip Template
))
# গ্রাফ প্রদর্শন
fig.show()
ব্যাখ্যা:
text: এই আর্গুমেন্টে Tooltip-এ প্রদর্শিত হওয়া ক্যাটেগরি টেক্সট যুক্ত করা হয়েছে।hovertemplate: এখানে custom tooltip তৈরি করা হয়েছে যেখানে%{text}(ক্যাটেগরি নাম) এবং%{y}(বারের উচ্চতা বা মান) দেখানো হয়েছে।
উদাহরণ ৩: Bubble Plot-এ Custom Tooltip তৈরি করা
Bubble Plot একটি উন্নত Scatter Plot, যেখানে পয়েন্টগুলির আকার ডেটার অতিরিক্ত ভ্যালু প্রদর্শন করে। এখানে Custom Tooltips ব্যবহার করে অতিরিক্ত তথ্য যুক্ত করা হবে।
কোড:
import plotly.express as px
# উদাহরণ ডেটাসেট
data = px.data.gapminder()
# Bubble Plot তৈরি করা এবং custom tooltip যোগ করা
fig = px.scatter(data, x="gdpPercap", y="lifeExp", color="continent", size="pop", hover_name="country",
hover_data=["year", "continent", "pop"])
# custom tooltip কাস্টমাইজ করা
fig.update_traces(hovertemplate='<b>%{hovertext}</b><br>GDP per Capita: %{x}<br>Life Expectancy: %{y}<br>Year: %{customdata[0]}<br>Population: %{customdata[1]}<extra></extra>')
# গ্রাফ প্রদর্শন
fig.show()
ব্যাখ্যা:
hover_name: এর মাধ্যমে প্রতিটি বুদবুদের উপর দেশ নাম প্রদর্শিত হবে।hover_data: এতে অতিরিক্ত কাস্টম ডেটা (যেমন, বছর, মহাদেশ, এবং জনসংখ্যা) Tooltip-এ দেখানো হয়েছে।update_traces: এই ফাংশনটি ব্যবহার করে Tooltip এর ফরম্যাট কাস্টমাইজ করা হয়েছে।
সারাংশ
Plotly-এর মাধ্যমে Custom Tooltips তৈরি করা ডেটা ভিজুয়ালাইজেশনকে আরও ইন্টারেকটিভ এবং কাস্টমাইজড করে তোলে। আপনি hovertemplate আর্গুমেন্ট ব্যবহার করে Tooltip-এর কন্টেন্ট কাস্টমাইজ করতে পারেন এবং অতিরিক্ত তথ্য যেমন ভ্যালু, নাম, এবং অন্যান্য ডেটা প্রদর্শন করতে পারেন। এই ফিচারটি ডেটা বিশ্লেষণ এবং প্রেজেন্টেশনে আরও গভীরতা এবং পরিষ্কারতা প্রদান করে।
Plotly ব্যবহার করে গ্রাফ তৈরির সময় আপনি মার্কার এবং লাইন স্টাইল কাস্টমাইজ করে গ্রাফের চেহারা এবং অনুভূতি আরও ইন্টারেকটিভ এবং আকর্ষণীয় করতে পারেন। এখানে আমরা Markers (মার্কার) এবং Line Style (লাইন স্টাইল) কাস্টমাইজ করার বিভিন্ন পদ্ধতি সম্পর্কে আলোচনা করব।
Markers কাস্টমাইজ করা
Markers হল পয়েন্ট বা ডেটা পয়েন্টগুলোর দৃশ্যমান উপস্থাপনা, যা সাধারণত স্ক্যাটার প্লট (scatter plot) এবং লাইনের মধ্যে ব্যবহৃত হয়। Plotly তে আপনি মার্কারগুলোর রং, আকার, আচ্ছাদন ইত্যাদি কাস্টমাইজ করতে পারেন।
১. Marker Color এবং Size কাস্টমাইজ করা
import plotly.graph_objects as go
# ডেটা
x = [1, 2, 3, 4, 5]
y = [10, 11, 12, 13, 14]
# মার্কার কাস্টমাইজ করা
fig = go.Figure(data=go.Scatter(x=x, y=y, mode='markers',
marker=dict(color='red', size=12)))
fig.show()
এখানে, color='red' দিয়ে মার্কারের রং এবং size=12 দিয়ে মার্কারের আকার কাস্টমাইজ করা হয়েছে।
২. Marker Shape কাস্টমাইজ করা
Plotly-তে বিভিন্ন ধরনের মার্কার শেপ (বিভিন্ন আকার) ব্যবহৃত হয়, যেমন সাকলেট, ট্রায়াঙ্গেল, ক্রস ইত্যাদি।
fig = go.Figure(data=go.Scatter(x=x, y=y, mode='markers',
marker=dict(symbol='diamond', size=12)))
fig.show()
এখানে, symbol='diamond' দিয়ে মার্কারের আকার ডায়মন্ড হিসেবে নির্ধারণ করা হয়েছে। অন্যান্য সম্ভাব্য শেপগুলি হলো: 'circle', 'square', 'star', 'triangle', ইত্যাদি।
৩. Marker Border Color এবং Width
fig = go.Figure(data=go.Scatter(x=x, y=y, mode='markers',
marker=dict(color='blue', size=12,
line=dict(color='black', width=2))))
fig.show()
এখানে, line=dict(color='black', width=2) ব্যবহার করে মার্কারের সীমানার (border) রং এবং প্রস্থ কাস্টমাইজ করা হয়েছে।
Line Style কাস্টমাইজ করা
Plotly তে লাইন স্টাইল কাস্টমাইজ করতে আপনি line dictionary ব্যবহার করতে পারেন। এটি আপনাকে লাইনটির রং, প্রস্থ, স্টাইল এবং অন্যান্য বৈশিষ্ট্য কাস্টমাইজ করতে সহায়তা করে।
১. Line Color এবং Width কাস্টমাইজ করা
fig = go.Figure(data=go.Scatter(x=x, y=y, mode='lines',
line=dict(color='green', width=4)))
fig.show()
এখানে, color='green' দিয়ে লাইনটির রং এবং width=4 দিয়ে লাইনটির প্রস্থ কাস্টমাইজ করা হয়েছে।
২. Line Style কাস্টমাইজ করা
Plotly তে বিভিন্ন ধরনের লাইন স্টাইল রয়েছে, যেমন solid, dashed, dotted ইত্যাদি। এটি dash প্যারামিটার ব্যবহার করে কাস্টমাইজ করা যায়।
fig = go.Figure(data=go.Scatter(x=x, y=y, mode='lines',
line=dict(color='purple', width=3, dash='dot')))
fig.show()
এখানে, dash='dot' ব্যবহার করে লাইনটি ডটেড স্টাইলে কাস্টমাইজ করা হয়েছে। অন্যান্য স্টাইলের জন্য আপনি নিচের মানগুলি ব্যবহার করতে পারেন:
'solid'(ডিফল্ট)'dot''dash''longdash''longdashdot''dashdot'
৩. Line Shape কাস্টমাইজ করা
Plotly তে লাইন শেপকেও কাস্টমাইজ করা যায়, যেমন linear, spline, বা vhv (vertical-horizontal-vertical)।
fig = go.Figure(data=go.Scatter(x=x, y=y, mode='lines',
line=dict(shape='spline', color='orange', width=3)))
fig.show()
এখানে, shape='spline' ব্যবহার করে লাইনটির শেপকে স্প্লাইন (smoothed curve) এ পরিবর্তন করা হয়েছে।
সম্পূর্ণ উদাহরণ: Markers এবং Line Style কাস্টমাইজ করা
import plotly.graph_objects as go
# ডেটা
x = [1, 2, 3, 4, 5]
y = [10, 11, 12, 13, 14]
# লাইন এবং মার্কার কাস্টমাইজেশন
fig = go.Figure(data=go.Scatter(x=x, y=y, mode='lines+markers',
line=dict(color='blue', width=3, dash='dash'),
marker=dict(color='red', size=10, symbol='star', line=dict(color='black', width=2))))
# গ্রাফ প্রদর্শন
fig.show()
এখানে, লাইনটি নীল রঙের এবং ড্যাশড স্টাইলে, মার্কারটি লাল রঙের এবং তার সীমানা কালো রঙের এবং আকার বড় (সাইজ ১০) হিসেবে কাস্টমাইজ করা হয়েছে।
সারাংশ
Plotly তে Markers এবং Line Style কাস্টমাইজ করা গ্রাফকে আরও আকর্ষণীয় এবং ইনফর্মেটিভ করতে সহায়তা করে। মার্কার এবং লাইন স্টাইলের রং, আকার, শেপ, সীমানা ইত্যাদি কাস্টমাইজ করার মাধ্যমে আপনি আপনার ডেটা ভিজুয়ালাইজেশনকে আরও কার্যকরী এবং ইন্টারেকটিভ বানাতে পারেন।
Plotly তে গ্রাফের সাইজ এবং অ্যাসপেক্ট রেশিও (Aspect Ratio) পরিবর্তন করা খুবই সহজ। আপনি update_layout ফাংশন ব্যবহার করে গ্রাফের সাইজ এবং অন্যান্য ভিজ্যুয়াল প্রপার্টি কাস্টমাইজ করতে পারেন। এর মাধ্যমে আপনি গ্রাফের প্রস্থ (width), উচ্চতা (height), এবং অ্যাসপেক্ট রেশিও নিয়ন্ত্রণ করতে পারবেন।
Plot Size পরিবর্তন
Plotly তে গ্রাফের সাইজ পরিবর্তন করতে আপনি width এবং height প্যারামিটার ব্যবহার করেন। এই প্যারামিটারগুলির মাধ্যমে আপনি গ্রাফের প্রস্থ এবং উচ্চতা নির্ধারণ করতে পারবেন।
উদাহরণ:
import plotly.graph_objects as go
# ডেটা
x = [1, 2, 3, 4, 5]
y = [10, 11, 12, 13, 14]
# গ্রাফ তৈরি
fig = go.Figure(data=go.Scatter(x=x, y=y, mode='lines+markers'))
# সাইজ পরিবর্তন
fig.update_layout(
title='লাইন গ্রাফ',
width=800, # গ্রাফের প্রস্থ
height=600 # গ্রাফের উচ্চতা
)
# গ্রাফ প্রদর্শন
fig.show()
এখানে, width=800 এবং height=600 দিয়ে গ্রাফের সাইজ সেট করা হয়েছে। আপনি চাইলে এই মানগুলো পরিবর্তন করে আপনার প্রয়োজন অনুযায়ী সাইজ পরিবর্তন করতে পারেন।
Aspect Ratio পরিবর্তন
Aspect Ratio হল গ্রাফের প্রস্থ এবং উচ্চতার অনুপাত। আপনি গ্রাফের সাইজ ঠিক করে দিলেও, এটি একটি নির্দিষ্ট আকারে প্রদর্শিত হয়। তবে আপনি scaleanchor প্যারামিটার ব্যবহার করে অ্যাসপেক্ট রেশিও ঠিক করতে পারেন।
উদাহরণ:
fig.update_layout(
title='লাইন গ্রাফ',
width=800,
height=600,
xaxis=dict(scaleanchor="y") # অ্যাসপেক্ট রেশিও বজায় রাখার জন্য
)
এখানে xaxis=dict(scaleanchor="y") ব্যবহার করে এক্স এবং ওয়াই অক্ষের মধ্যে একটি নির্দিষ্ট অ্যাসপেক্ট রেশিও বজায় রাখা হয়েছে। এর ফলে এক্স এবং ওয়াই অক্ষের অনুপাত সামঞ্জস্যপূর্ণ থাকে, অর্থাৎ প্রস্থ এবং উচ্চতার অনুপাত একই থাকবে।
Plotly তে Aspect Ratio কাস্টমাইজেশন
আপনি বিভিন্ন কাস্টম অ্যাসপেক্ট রেশিও নির্ধারণ করতে পারেন, যেমন:
- Square Aspect Ratio: এক্স এবং ওয়াই অক্ষের অনুপাত সমান হবে।
- Custom Aspect Ratio: প্রস্থ এবং উচ্চতার মধ্যে নির্দিষ্ট অনুপাত বজায় রাখা যাবে।
উদাহরণ ১: Square Aspect Ratio
fig.update_layout(
title='স্কয়ার গ্রাফ',
width=600,
height=600, # প্রস্থ এবং উচ্চতা সমান হওয়া
)
উদাহরণ ২: Custom Aspect Ratio
fig.update_layout(
title='কাস্টম অ্যাসপেক্ট রেশিও',
width=900, # প্রস্থ ৯০০ পিক্সেল
height=600, # উচ্চতা ৬০০ পিক্সেল
)
এখানে, আপনার প্রয়োজন অনুযায়ী প্রস্থ এবং উচ্চতার অনুপাত পরিবর্তন করতে পারবেন। আপনি scaleanchor প্যারামিটারও ব্যবহার করতে পারেন যদি গ্রাফের অ্যাসপেক্ট রেশিও বজায় রাখতে চান।
সারাংশ
Plotly তে গ্রাফের সাইজ এবং অ্যাসপেক্ট রেশিও পরিবর্তন করা খুবই সহজ। আপনি width এবং height প্যারামিটার ব্যবহার করে সাইজ কাস্টমাইজ করতে পারেন এবং scaleanchor প্যারামিটার ব্যবহার করে অ্যাসপেক্ট রেশিও ঠিক রাখতে পারেন। এসব কাস্টমাইজেশন আপনার গ্রাফকে আরও পরিষ্কার, আর্কষণীয় এবং প্রফেশনাল করতে সহায়ক হবে।
Read more
