Python 中如何使用 Plotly 实现数据可视化

使用Plotly实现数据可视化是一种直观、互动式的展现数据的方法。Plotly 是一个强大的库，它支持多种编程语言，包括 Python，它能够生成丰富的交互式图表、地图和仪表板，是数据分析和科研领域常用的可视化工具。特别是它的 Python 库，提供了简单的语法和丰富的图表类型，方便用户快速实现自己想要的数据可视化效果。使用Plotly，你可以创建线形图、散点图、柱状图、饼图、热力图、3D 图表等多种图表类型，并轻松集成到web应用中。

在Python中，Plotly可以使用其提供的绘图函数来定义数据和布局，其中最基本的组成为：data 和 layout。data 是包含了一个或多个 Traces（如：Scatter、Bar、Pie等图表类型）的列表，而 layout 是一个字典，它定义了图表的样式、标题和坐标轴等设置。通过定义这两个组件，用户就可以创建出风格多样、富有表现力的数据可视化图表。

一、安装与配置 Plotly

在开始使用Plotly之前，首先需要确保Python环境已经安装了Plotly库。安装过程可以通过pip包管理器轻松完成：

pip install plotly

安装完成后，导入相应的模块：

import plotly.graph_objs as go

from plotly.offline import plot

二、创建第一个图表

生成基本的折线图

创建一个基本的折线图来展示数据随着时间的变化趋势：

# 创建Trace

trace = go.Scatter(x=[1, 2, 3, 4], y=[10, 15, 13, 17])
创建数据列表
data = [trace]
创建布局
layout = dict(title = '简单折线图', xaxis = dict(title = 'X轴'), yaxis = dict(title = 'Y轴'))
组合图表
fig = go.Figure(data=data, layout=layout)
绘制图表
plot(fig, filename='line-chart.html')

通过这段代码，Plotly 会生成一个叫做 line-chart.html 的文件，你可以用浏览器打开它，查看生成的折线图。

具有自定义选项的折线图

为了使折线图具有更好的表现力，可以添加更多的自定义选项，如设置线的颜色、宽度、图表的背景色等：

trace = go.Scatter(

    x=[1, 2, 3, 4],
    y=[10, 15, 13, 17],
    mode='lines+markers',
    line=dict(color='blue', width=2)
)
data = [trace]
layout = dict(
    title = '带有自定义选项的折线图',
    xaxis = dict(title = 'X轴'),
    yaxis = dict(title = 'Y轴'),
    paper_bgcolor='rgba(0,0,0,0)',
    plot_bgcolor='rgba(245, 245, 245, 1)'
)
fig = go.Figure(data=data, layout=layout)
plot(fig, filename='custom-line-chart.html')

三、创建多个数据系列

构建比较图表

当需要在同一图表上展示不同的数据系列以进行比较时，可以创建多个Traces并将它们添加到数据列表中：

trace1 = go.Scatter(x=[1, 2, 3, 4], y=[10, 15, 13, 17], mode='lines', name='数据系列1')

trace2 = go.Scatter(x=[1, 2, 3, 4], y=[16, 5, 11, 9], mode='lines', name='数据系列2')
data = [trace1, trace2]
layout = dict(title = '多数据系列折线图', xaxis = dict(title = 'X轴'), yaxis = dict(title = 'Y轴'))
fig = go.Figure(data=data, layout=layout)
plot(fig, filename='multi-series-line-chart.html')

每个Trace代表一个数据系列，您可以通过为每个Trace设置不同的样式或添加name属性来区分它们。

四、数据可视化的高级技巧

使用子图布局

Plotly也允许你在同一个图表中构建子图布局，以便并排查看不同类型的图表。使用make_subplots函数来实现这一点：

from plotly.subplots import make_subplots

fig = make_subplots(rows=1, cols=2)
trace1 = go.Bar(x=['A', 'B', 'C'], y=[20, 14, 23], name='柱状图')
trace2 = go.Pie(labels=['X', 'Y', 'Z'], values=[50, 30, 20], name='饼图')
fig.add_trace(trace1, row=1, col=1)
fig.add_trace(trace2, row=1, col=2)
fig.update_layout(title_text="使用子图布局")
plot(fig, filename='subplot-chart.html')

交互式控件

为了增强图表的互动性，Plotly可以集成Dash库来添加交互式控件：

import dash

import dash_core_components as dcc
import dash_html_components as html
app = dash.Dash()
app.layout = html.Div([
    dcc.Graph(id='example-graph',
              figure=fig),
    dcc.Slider(id='year-slider',
               min=2010,
               max=2019,
               value=2019,
               marks={str(year): str(year) for year in range(2010, 2020)},
               step=None)
])
app.run_server(debug=True)

通过上面的代码，你可以创建一个带有滑块的Dash应用，用户可以通过滑块选择年份，从而动态更改图表显示的数据。

五、发布与分享

完成数据可视化的创建后，可能需要将图表发布到网页或分享给他人查看。Plotly提供了多种方式来实现这一点。其中一个方案是将生成的HTML文件部署到网站上。另一个更便捷的方式是使用Plotly的在线服务，将图表保存到Plotly的云端：

import plotly.io as pio

pio.write_html(fig, file='index.html', auto_open=True)

通过上述方式，你可以将Plotly生成的图表嵌入到任何支持HTML的平台上，或将其存储和分享给具有相应链接的用户。

总的来说，Plotly是一个功能强大且易于使用的数据可视化工具，它能够产生高质量的图表，并支持多平台的部署与分享。通过合理利用其丰富的图表类型、样式自定义和交互式功能，数据分析师和科研人员可以更好地展现和理解数据。

相关问答FAQs：

如何在Python中使用Plotly进行图表绘制？

Plotly是一种强大的数据可视化工具，它提供了各种各样的图表类型供用户选择。要在Python中使用Plotly进行图表绘制，首先需要安装Plotly库。然后，您可以创建一个新的图表对象，并添加数据和布局选项。最后，使用Plotly的绘图函数将图表显示出来。

例如，要创建一个简单的折线图，可以使用以下代码：

import plotly.graph_objects as go

# 创建数据
x = [1, 2, 3, 4, 5]
y = [1, 4, 9, 16, 25]

# 创建图表对象
fig = go.Figure()

# 添加折线图
fig.add_trace(go.Scatter(x=x, y=y, mode='lines', name='线条名称'))

# 添加布局选项
fig.update_layout(title='折线图标题', xaxis_title='x轴标题', yaxis_title='y轴标题')

# 显示图表
fig.show()

上述代码中，我们首先导入了plotly.graph_objects模块，并创建了x轴和y轴的数据。然后，我们创建一个新的图表对象，并使用add_trace方法将折线图添加到图表中。接下来，我们使用update_layout方法更新图表的标题和轴标题。最后，使用show方法显示图表。

Plotly有哪些常用的图表类型？

Plotly提供了多种常用的图表类型，包括折线图、散点图、柱状图、饼图、地图等等。这些图表类型可以根据您的数据和需求进行选择和定制。

例如，当您需要展示不同类别之间的数值比较时，可以使用柱状图。如果您需要显示数据的分布情况，可以使用直方图或箱线图。要显示地理数据，您可以使用地图。

Plotly还支持3D图表、时间序列图、气泡图、热力图、雷达图等多种类型。无论您的数据是什么类型的，Plotly都能帮助您选择合适的图表类型进行可视化。

Plotly与其他数据可视化工具相比有什么优势？

Plotly具有许多优势，使其成为一种受欢迎的数据可视化工具。

首先，Plotly非常易于使用，并提供了丰富的文档和示例来帮助用户快速入门。您可以轻松地创建各种类型的图表，添加布局选项以及进行定制。

其次，Plotly是一种交互式的数据可视化工具。它提供了许多交互功能，如缩放、平移、悬停提示等，使用户能够更深入地探索数据。

此外，Plotly还支持在线协作和共享。您可以将绘制的图表保存到Plotly的云端，与团队成员或其他用户共享。这使得团队合作更加便捷，并加强了可视化结果的共享和交流。

最重要的是，Plotly是开源的，并且有一个庞大的社区支持。这意味着您可以从其他用户的经验中受益，获得更多的技巧和功能扩展。同时，Plotly也提供了付费版本，提供了更多高级功能和技术支持，适合商业和专业用户使用。

最后建议，企业在引入信息化系统初期，切记要合理有效地运用好工具，这样一来不仅可以让公司业务高效地运行，还能最大程度保证团队目标的达成。同时还能大幅缩短系统开发和部署的时间成本。特别是有特定需求功能需要定制化的企业，可以采用我们公司自研的企业级低代码平台：织信Informat。 织信平台基于数据模型优先的设计理念，提供大量标准化的组件，内置AI助手、组件设计器、自动化（图形化编程）、脚本、工作流引擎（BPMN2.0）、自定义API、表单设计器、权限、仪表盘等功能，能帮助企业构建高度复杂核心的数字化系统。如ERP、MES、CRM、PLM、SCM、WMS、项目管理、流程管理等多个应用场景，全面助力企业落地国产化/信息化/数字化转型战略目标。 版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们微信：Informat_5 处理，核实后本网站将在24小时内删除。