Plotly库

Plotly 是一个强大的可视化库，它支持 Python、R 和 JavaScript，能够在网页上创建交互式的图表。Plotly 的 Python 接口特别适合于数据科学和机器学习领域，因为它可以快速地将数据转化为丰富的图表，并且支持丰富的图表类型，如线图、散点图、柱状图、箱线图、热力图、3D 图表等。

Plotly 的主要特点包括：

1. 交互性：Plotly 的图表是交互式的，用户可以通过悬停、点击和缩放来探索数据。
2. 多种图表类型：Plotly 提供了多种图表类型，包括基本的图表和复杂的图表，如地图和3D图形。
3. 易于使用：Plotly 有一个高级接口 Plotly Express，它简化了常见图表的创建过程。
4. 集成：Plotly 可以与 Jupyter Notebook、Dash 和其他 Python 数据分析库（如 Pandas）集成。
5. 部署：通过 Dash，你可以将 Plotly 图表部署为交互式 Web 应用程序。

Plotly 安装

要开始使用 Plotly，你可以通过 pip 安装它：

pip install plotly

如果你打算在 Jupyter Notebook 中使用 Plotly，可以启用 notebook 集成：

import plotly.express as px
px.init_notebook_mode()

创建图表

以下是一些使用 Plotly 创建图表的基本示例：

散点图：

import plotly.express as px
import pandas as pd

# 创建示例数据
data = pd.DataFrame({
   
    'x': [1, 2, 3, 4, 5],
    'y': [5, 4, 3, 2, 1]
})

# 使用 Plotly Express 绘制散点图
fig = px.scatter(data, x='x', y='y', title='Scatter plot')
fig.show()

柱状图：

import plotly.express as px

data = {
   
    'fruit': ['apple', 'banana', 'orange', 'kiwi'],
    'count': [3, 2, 4, 1]
}

fig = px.bar(data, x='fruit', y='count')
fig.show()

3D 散点图：

from plotly.subplots import make_subplots
import plotly.graph_objects as go

fig = make_subplots(rows=1, cols=1, specs=[[{
   "type": "scatter3d"}]])

fig.add_trace(go.Scatter3d(
    x=[1, 2, 3, 4],
    y=[4, 5, 6, 7],
    z=[10, 15, 13, 17],
    mode='markers',
    marker=dict(
        size=12,
        color='blue',
        opacity=0.9
    )
), row=1, col=1)

fig.show()

定制和布局

Plotly 允许你定制图表的每个方面，包括标题、轴标签、图例和颜色。你可以使用 update_layout 方法来调整图表的布局：

import plotly.graph_objects as go

fig = go.Figure(data=go.Bar(x=[1, 2, 3], y=[5, 7, 3]))
fig.update_layout(
    title='Bar Chart',
    xaxis_title='X Axis',
    yaxis_title='Y Axis'
)
fig.show()

保存和导出

你可以将 Plotly 图表保存为 HTML 文件或导出为图片格式：

fig.write_html('figure.html')  # 保存为 HTML 文件
fig.write_image('figure.png')  # 保存为图片

学习资源

• Plotly 官方文档：Plotly Python API reference
• Plotly 教程：Python plotly 数据可视化

通过这些资源，你可以学习更多关于 Plotly 的高级特性和技巧。