Visualisatie — Plotly - Machine Learning Cursussen

Plotly maakt interactieve grafieken die je kunt vergroten, roteren en boven aanhouden voor details — allemaal zonder de code opnieuw uit te voeren. Dit maakt Plotly uitermate geschikt voor exploratieve data-analyse.

Waarom Plotly naast Matplotlib/Seaborn?

	Matplotlib / Seaborn	Plotly
Output	Statische afbeelding	Interactief HTML-element
Zoomen / pannen	✗	✓
Hover-tooltips	✗	✓
Exploratie	Minder geschikt	Ideaal
Export	PNG, PDF	HTML, PNG

We werken met plotly.express (alias px) — de high-level API die voor de meeste gevallen voldoet.

import numpy as np
import pandas as pd
import plotly.express as px
import seaborn as sns

penguins = sns.load_dataset("penguins").dropna()
titanic = sns.load_dataset("titanic")
tips = sns.load_dataset("tips")

Scatter plot — `px.scatter`¶

Hover over de punten om de waarden te bekijken. Klik op een item in de legenda om het te verbergen.

fig = px.scatter(
    penguins,
    x="bill_length_mm",
    y="flipper_length_mm",
    color="species",  # color per category
    symbol="sex",  # marker shape per category
    size="body_mass_g",  # point size = body mass
    hover_data=["island", "body_mass_g"],  # extra info on hover
    title="Penguins: bill length vs. flipper length",
    labels={
        "bill_length_mm": "Bill length (mm)",
        "flipper_length_mm": "Flipper length (mm)",
    },
)
fig.show()

Histogram — `px.histogram`¶

fig = px.histogram(
    penguins,
    x="body_mass_g",
    color="species",
    nbins=30,
    barmode="overlay",  # overlapping bars (alternatives: "stack", "group")
    opacity=0.7,
    title="Body mass distribution per species",
    labels={"body_mass_g": "Body mass (g)", "count": "Count"},
)
fig.show()

Boxplot — `px.box`¶

fig = px.box(
    titanic,
    x="pclass",
    y="fare",
    color="survived",
    points="outliers",  # show outlier points
    title="Ticket price per class and survival status",
    labels={
        "pclass": "Class",
        "fare": "Price (£)",
        "survived": "Survived",
    },
    color_discrete_map={0: "#e74c3c", 1: "#2ecc71"},
)
fig.show()

Lijnplot — `px.line`¶

rng = np.random.default_rng(42)
months = pd.date_range("2023-01", periods=24, freq="ME")
revenue = pd.DataFrame(
    {
        "date": months,
        "product_a": (rng.normal(100, 15, 24)).cumsum() + 500,
        "product_b": (rng.normal(80, 20, 24)).cumsum() + 300,
    }
)

# Convert to long format for Plotly
revenue_long = revenue.melt(id_vars="date", var_name="product", value_name="revenue")

fig = px.line(
    revenue_long,
    x="date",
    y="revenue",
    color="product",
    markers=True,
    title="Cumulative revenue per product",
    labels={"date": "Date", "revenue": "Revenue (€)"},
)
fig.show()

Heatmap — `px.imshow`¶

Met px.imshow maak je een interactieve heatmap — ideaal voor correlatiematrices.

corr = penguins.select_dtypes(include="number").corr().round(2)

fig = px.imshow(
    corr,
    text_auto=True,  # show values in cells
    color_continuous_scale="RdBu_r",  # red = positive, blue = negative
    zmin=-1,
    zmax=1,
    title="Correlation matrix — penguins",
    aspect="auto",
)
fig.show()

Met facet_col of facet_row maak je automatisch meerdere subgrafieken, één per unieke waarde in een kolom.

fig = px.scatter(
    penguins,
    x="bill_length_mm",
    y="body_mass_g",
    color="sex",
    facet_col="species",  # one column per species
    title="Bill length vs. body mass — per species",
    labels={
        "bill_length_mm": "Bill length (mm)",
        "body_mass_g": "Body mass (g)",
    },
)
fig.show()

Wanneer Matplotlib vs. Seaborn vs. Plotly?¶

Situatie	Keuze
Statische figuur voor rapport/publicatie	Matplotlib of Seaborn
Statistische visualisatie (boxplot, pairplot, heatmap)	Seaborn
Exploratieve analyse — interactie gewenst	Plotly
Tijdreeksdata met zoom	Plotly
Ingebedde visualisatie in dashboard (Dash/Streamlit)	Plotly

Oefeningen¶

Oefening 1 — Maak een interactief scatter plot van de Tips-dataset met total_bill op de x-as, tip op de y-as, kleur per day en grootte proportioneel aan size (partijgrootte). Hover om de details per punt te zien.

# your solution here

Oefening 2 — Maak een interactief histogram van de leeftijdsverdeling van Titanic-passagiers (age), met een onderscheid per pclass. Gebruik barmode="overlay" en opacity=0.6.

# your solution here

Oefening 3 — Maak een interactieve correlatieheatmap voor de numerieke kolommen van de Titanic-dataset. Welke variabele heeft de sterkste negatieve correlatie met survived?

# your solution here

Oefening 4 — Maak een facet-scatter plot voor de Penguins-dataset met bill_depth_mm op x, bill_length_mm op y, kleur per sex, en een aparte kolom (facet_col) per island.

# your solution here

Visualisatie — Plotly

Scatter plot — px.scatter¶

Histogram — px.histogram¶

Boxplot — px.box¶

Lijnplot — px.line¶

Heatmap — px.imshow¶

Facets — meerdere grafieken per groep¶