上一篇文章我们介绍了 Bokeh，接下来让我们继续我们列表的第四个库。这是我们列表中的最后一个库，您可能想知道为什么用Plotly。以下就是它的优点——
Potly 具有悬停工具功能，使我们能够检测众多数据点中的任何异常值或异常情况。
它允许更多的定制。
它使图形在视觉上更具吸引力。
安装
要安装它，请在终端中输入以下命令。
pip install plotly
散点图
散点图中Plotly可以使用被创建scatter()plotly.express的方法。和 Seaborn 一样，这里也需要一个额外的数据参数。
例子：
import plotly.express as px import pandas as pd # 读取数据库 data = pd.read_csv("tips.csv") # 绘制散点图 fig = px.line(data, y='tip', color='sex') # 显示plot fig.show()
import plotly.express as px import pandas as pd # 读取数据库 data = pd.read_csv("tips.csv") # 绘制散点图 fig = px.scatter(data, x="day", y="tip", color='sex') # 显示plot fig.show()
输出：
折线图
Plotly 中的折线图看起来比较直观，并且是 plotly 的杰出合并，它管理各种类型的数据并组装易于样式的统计数据。使用px.line 将每个数据位置表示为一个顶点
例子：
import plotly.express as px import pandas as pd # 读取数据库 data = pd.read_csv("tips.csv") # 绘制散点图 fig = px.line(data, y='tip', color='sex') # 显示plot fig.show()
条形图
Plotly 中的条形图可以使用 plotly.express 类的 bar() 方法创建。
例子：
import plotly.express as px import pandas as pd # 读取数据库 data = pd.read_csv("tips.csv") # 绘制散点图 fig = px.bar(data, x='day', y='tip', color='sex') # 显示情节 fig.show()
输出：
直方图
在plotly，直方图可以使用plotly.express类的histogram()函数创建。
例子：
import plotly.express as px import pandas as pd # 读取数据库 data = pd.read_csv("tips.csv") # 绘制散点图 fig = px.histogram(data, x='total_bill', color='sex') # 显示 plot fig.show()
输出：
