Plotly是一个开源、交互式和基于浏览器的Python图形库，可以创建能在仪表板或网站中使用的交互式图表（可以将它们保存为html文件或静态图像）。Plotly基于plotly.js，它是一个高级图表库，与Bokeh一样，Plotly的强项是制作交互式图 ，有超过30种图表类型，提供了一些在大多数库中没有的图表，如等高线图、树状图、科学图表、统计图表、3D图表、金融图表等。Plotly有以下几个优点：
- 支持多种编程语言，如Python, R, Julia和JS，可以满足不同用户的需求和偏好。
- 提供了丰富而灵活图形类型和样式，可以制作高质量交互式图表。
- 可以轻松地将生成的图形嵌入到网页上，或者保存为静态文件或动画文件，方便分享和展示。
- 可以帮助用户进行高级的数据分析和机器学习，提供了Dash这个强大的应用框架。
Plotly主要的绘制方式：
- Plotly Express：受Seaborn和ggplot2的启发，它专门设计为具有简洁，一致且易于学习的API。只需一次导入，就可以在函数调用中创建丰富的交互式绘图，包括地图、动画和趋势线等。
- Graph Objects：提供了更多的自定义选项和灵活性。您可以使用Graph Objects来构建复杂的布局和样式，并添加更多的交互功能。下面我们来看一些Plotly绘制不同类型图形的案例，并给出相应的Python代码和注释。
散点图
散点图是一种常用的数据可视化方式，可以显示两个或多个变量之间的关系。Plotly提供了一个简单的函数scatter来创建散点图。
# 导入plotly库 import plotly.express as px # 创建一个数据集 df = px.data.iris() # 使用scatter函数绘制散点图 fig = px.scatter(df, x="sepal_width", y="sepal_length", color="species") # 显示图形 fig.show()
# 使用Plotly Express绘制散点图 import plotly.express as px # 导入plotly.express模块 df = px.data.iris() # 加载内置数据集 fig = px.scatter(df, x="sepal_width", y="sepal_length", # 设置x轴为花萼宽度，y轴为花萼长度 color="species", size="petal_length", # 设置颜色为品种，大小为花瓣长度 hover_data=['petal_width']) # 设置鼠标悬停时显示花瓣宽度 fig.show() # 显示图片 # 使用Graph Objects绘制散点图 import plotly.graph_objects as go # 导入plotly.graph_objects模块 import numpy as np # 导入numpy模块 t = np.linspace(0, 10, 30) # 0-10之间随机生成30个数字 x, y, z = np.cos(t), np.sin(t), t # 设置3个变量 fig = go.Figure(data=[go.Scatter3d( # 创建Figure对象，并添加Scatter3d对象作为数据源 x=x, y=y, z=z, mode='markers', # 设置模式为标记点 marker=dict( size=12, color=z, colorscale='Viridis', opacity=0.8) # 设置标记点的大小、颜色、颜色范围和透明度等属性 )]) fig.update_layout(title='3D Scatter Plot') # 更新布局设置标题 fig.show() # 显示图片
柱状图
柱状图是一种常用的数据可视化方式，可以用来比较不同类别或分组之间的数值大小。
# 使用Plotly Express绘制柱状图 import plotly.express as px # 导入plotly.express模块 df = px.data.gapminder() # 加载内置数据集 fig = px.bar(df, x="continent", y="pop", color="continent", # 设置x轴为大洲名称，y轴为人口数量，颜色为大洲名称 title="Population of Continent", # 设置标题 labels={"pop":"Population"}, # 设置y轴标签 hover_data=["country"], # 设置鼠标悬停时显示国家名称 height=400) # 设置高度为400像素 fig.show() # 显示图片 # 使用Graph Objects绘制柱状图 import plotly.graph_objects as go # 导入plotly.graph_objects模块 animals= ['giraffes', 'orangutans', 'monkeys'] # 定义类别列表 fig = go.Figure(data=[go.Bar( # 创建Figure对象，并添加Bar对象作为数据源 name='SF Zoo', # 设置第一组数据名称 x=animals, y=[20, 14, 23], # 设置x轴和y轴数据 text=[20, 14, 23], textposition='auto'), # 设置文本标签和位置 go.Bar( name='LA Zoo', x=animals, y=[12, 18, 29], text=[12, 18, 29], textposition='auto') ]) fig.update_layout(title='Number of Animals in LA and SF Zoo', # 更新布局设置标题 xaxis_title='Animals', yaxis_title='Count') # 更新x轴和y轴标题 fig.show() # 显示图片
饼图
饼图是一种常用的数据可视化方式，用来展示不同类别在总体中的占比。
# 使用Plotly Express绘制饼图 import plotly.express as px # 导入plotly.express模块 df = px.data.gapminder().query("year == 2007") # 加载内置数据集，并筛选出2007年的数据 fig = px.pie(df, values='pop', names='continent', title='Population of Continent') # 创建饼图，设置数值为人口数量，名称为大洲名称，标题为人口分布情况 fig.show() # 显示图片 # 使用Graph Objects绘制饼图 import plotly.graph_objects as go # 导入plotly.graph_objects模块 labels = ['Oxygen','Hydrogen','Carbon_Dioxide','Nitrogen'] # 定义类别列表 values = [4500, 2500, 1053, 500] # 定义数值列表 fig = go.Figure(data=[go.Pie(labels=labels, values=values)]) # 创建Figure对象，并添加Pie对象作为数据源 fig.update_layout(title='Composition of Air') # // 更新布局设置标题 fig.show() # // 显示图片
等高线图
等高线图是一种常用的数据可视化方式，可以用来展示三维空间中函数值在二维平面上的分布情况。我们可以使用Plotly Express或Graph Objects来绘制等高线图。
# 使用Plotly Express绘制等高线图 import plotly.express as px # 导入plotly.express模块 df = px.data.iris() # 加载内置数据集 fig = px.density_contour(df, x="sepal_width", y="sepal_length", color="species") # 创建等高线图，设置x轴为花萼宽度，y轴为花萼长度，颜色为品种 fig.show() # 显示图片 # 使用Graph Objects绘制等高线图 import plotly.graph_objects as go # 导入plotly.graph_objects模块 import numpy as np # 导入numpy模块 x = np.linspace(-5, 5, 50) # 在-5到5之间生成50个数字 y = np.linspace(-5, 5, 50) X,Y = np.meshgrid(x,y) # 创建网格点矩阵 Z = X**2 + Y**2 # 定义函数值 fig = go.Figure(data=[go.Contour( # 创建Figure对象，并添加Contour对象作为数据源 z=Z, x=x, y=y, contours=dict( coloring ='heatmap', showlabels = True, labelfont = dict(size = 12,color = 'white') ) # 设置等高线的颜色、标签和字体等属性 )]) fig.update_layout(title='Contour Plot of Z=X^2+Y^2') #// 更新布局设置标题 fig.show() #// 显示图片
Plotly是一个强大而灵活的Python图形库，可以创建各种类型和风格的交互式图表。Plotly可以帮助我们更好地探索和呈现数据，提升我们的数据分析能力和水平。还有许多图形下期再继续介绍，感兴趣的读者可以去官网或相关论坛继续学习。
