Plotly - Python 交互式可视化图形库

Plotly 是一个强大的 Python 图形库，可以制作交互式、出版物质量的图形，包括线图、散点图、条形图、热图等多种图表类型

分类: thirdparty 难度: 中级更新: 2024-01-15

plotly 可视化图表交互式数据分析 plotly.express 绘图

Plotly - Python 交互式可视化图形库

📝 概述

Plotly 是一个功能强大的 Python 图形库，专门用于制作交互式、出版物质量的图形。它可以创建线图、散点图、面积图、条形图、误差条、方框图、直方图、热图、子图、多轴、极坐标图和气泡图等多种图表类型。Plotly 与 Pandas 深度集成，能够输出精美的互动式可视化网页图表。

🎯 学习目标

掌握 Plotly 的安装和基础配置
学会使用 Pandas 后端和 plotly.express 两种绘图方式
熟悉常用图表类型的创建和参数配置
理解图形样式定制和布局控制
掌握多图布局和子图创建
学会图表导出和保存

📋 前置知识

Python 基础语法
Pandas 数据处理基础
数据可视化基本概念

🔍 详细内容

安装配置

Plotly 在使用前需要先进行安装：

# 安装 plotly
pip install plotly

两种使用方式

Plotly 提供两种主要的使用方式：

Pandas 后端方式：将 Pandas 的绘图引擎指定为 plotly
plotly.express 方式：直接使用 plotly.express 模块进行绘图

Pandas 后端配置

import pandas as pd

# 以下两个方法其中之一都可以
pd.options.plotting.backend = "plotly"
pd.set_option('plotting.backend', 'plotly')

# 折线图 - 可以直接使用 Pandas 的 .plot() 方法
df.plot()

可传入 plotly.express 中各种图形函数的参数，其他图形同样适用。

plotly.express 方式

plotly.express 模块（通常作为 px 导入）包含可以一次创建整个图形的函数，称为 plotly express 或 px。Plotly Express 是 Plotly 库的内置部分，是创建最常见图形的推荐起点。

使用 Plotly Express 的优势：

每个函数在内部使用图形对象，返回 plotly.graph_objects.Figure 实例
代码简洁，相比图形对象方式减少 5 到 100 倍的代码量
提供统一的 API 接口

import pandas as pd
import plotly.express as px

# 折线图
df.pipe(px.line, 'time', 'data')

# 绘制一个横向条形图，指定大小
df.pipe(px.bar, 'rate', 'label',
        height=1000, width=1300,
        orientation='h')

# 绘制一个饼图，指定大小，环状（中间洞的大小比例）
df.pipe(px.pie, names='label', values='rate',
        height=1000, width=1300, hole=0.5)

# 复合使用
import plotly.graph_objs as go

(
    df.pipe(px.line, 'name', ['Q1', 'Q2'])
    .update_traces(mode='markers', marker_line_width=2, marker_size=10)
    .update_layout(title='Styled Scatter',
                  yaxis_zeroline=False, xaxis_zeroline=False)
    .add_trace(go.Scatter(x=df.name, y=df.Q3))
)

常用参数配置

全局配置

import plotly.express as px
import plotly.io as pio

# 设置默认模板
pio.templates.default = "simple_white"

# 设置 plotly.express 默认参数
px.defaults.template = "ggplot2"
px.defaults.color_continuous_scale = px.colors.sequential.Blackbody
px.defaults.width = 600
px.defaults.height = 400

通用参数

参数名	类型	描述	示例
title	str	图表标题	`title="数据图表"`
width	int	图表宽度	`width=800`
height	int	图表高度	`height=600`
color	Series/str	色阶大小指示	`color=df.Q2`
hover_name	Series/str	鼠标悬停标题	`hover_name=df.name`
hover_data	list	鼠标悬停显示数据	`hover_data=[df.Q1, df.team]`

title=None # 标题
width=None # 宽
height=None # 高
color=df.Q2 # 色阶大小指示
hover_name=df.name # 鼠标悬停标题
hover_data=[df.Q1, df.team] # 鼠标悬停显示数据

柱状图专用参数

barmode="group" # 柱状图并列模式
# 连续数据颜色刻度色系取值，需要用 color 参数指定色阶字段
color_continuous_scale=px.colors.sequential.Rainbow
# 指定给予不同纹理用于区分的柱子
pattern_shape='Q2'
text='Q4' # 指定列数据标注在图形上
base='Q2' # bar 从哪个值的位置处开始画柱子

饼图专用参数

hole=0.3 # 甜甜圈中间洞的大小比例

# 饼图上显示值（不显示比例），字体大小
fig.update_traces(textinfo='value', textfont_size=10)
# 显示标签和值、比例
fig.update_traces(textinfo='label+value+percent')
# 将扇区从中心拉出
fig.update_traces(pull=[0, 0, 0, 0.2, 0, 0])

动画参数

animation_frame='Q1' # 每一动画帧的标记
animation_group='Q2' # 每帧的分组

样式模板

# 绘图显示样式
template="plotly_white"

# 可用样式模板（来自 plotly.io.templates）
templates = ['ggplot2', 'seaborn', 'simple_white',
             'plotly', 'plotly_white', 'plotly_dark',
             'presentation', 'xgridoff', 'ygridoff',
             'gridon', 'none']

# y 轴的范围，从 0 到 10
range_y=[0, 10]

# 简单示例，设置轴标签
px.line(x=t, y=np.cos(t), labels={'x':'t', 'y':'cos(t)'})

图表导出

# 生成网页文件
fig.write_html("page.html")

# 导出图片（需要安装 kaleido: pip install -U kaleido）
# 支持 WebP/SVG/PDF 等格式
# 参考：https://plotly.com/python/static-image-export/
fig.write_image("images/img.png")

# 获取图片字节数据
img_bytes = fig.to_image(format="png")

💡 实际应用

图形样式定制

# 参考：https://plotly.com/python/styling-plotly-express/

# 添加带有箭头的文本标注
fig.add_annotation(text="below target!",
                   x="Oah", y=50, arrowhead=3, showarrow=True)

# 添加一条水平"目标"线
fig.add_shape(
    type="line", line_color="salmon", line_width=3, opacity=1,
    line_dash="dot", x0=0, x1=1, xref="paper", y0=40, y1=60, yref="y"
)

# y轴的单位设置为美元
fig.update_yaxes(
    tickprefix="$", showgrid=True
)

# 自定义字体
fig.update_layout(
    font_family="Rockwell"
)

多图布局

# 参考：https://plotly.com/python/subplots/
from plotly.subplots import make_subplots
import plotly.graph_objects as go

# 创建 1 行 2 列的子图布局
fig = make_subplots(rows=1, cols=2)

# 添加第一个子图
fig.add_trace(
    go.Scatter(x=[1, 2, 3], y=[4, 5, 6]),
    row=1, col=1
)

# 添加第二个子图
fig.add_trace(
    go.Scatter(x=[20, 30, 40], y=[50, 60, 70]),
    row=1, col=2
)

# 更新布局
fig.update_layout(height=600, width=800, title_text="多图布局示例")
fig.show()

完整应用示例

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

# 创建示例数据
np.random.seed(42)
data = {
    'date': pd.date_range('2024-01-01', periods=100),
    'value': np.random.randn(100).cumsum(),
    'category': np.random.choice(['A', 'B', 'C'], 100),
    'size': np.random.randint(10, 100, 100)
}
df = pd.DataFrame(data)

# 创建交互式时间序列图
fig = px.line(df, x='date', y='value', color='category',
              title='交互式时间序列图',
              labels={'value': '数值', 'date': '日期'},
              template='plotly_white')

# 自定义样式
fig.update_traces(line_width=2)
fig.update_layout(
    font_family="Arial",
    title_font_size=20,
    xaxis_title_font_size=14,
    yaxis_title_font_size=14,
    hovermode='x unified'
)

fig.show()

🔍 功能介绍

Plotly Express 图表类型

基础图形

scatter: 散点图
line: 线图
area: 面积图
bar: 条形图
funnel: 漏斗图
timeline: 时间线图

整体与部分的表示

pie: 饼图
sunburst: 旭日图
treemap: 树状图
icicle: 冰柱图
funnel_area: 漏斗面积图

一维分布

histogram: 直方图
box: 箱型图
violin: 小提琴图
strip: 条带图
ecdf: 经验累积分布函数图

二维分布

density_heatmap: 密度热图
density_contour: 密度等高线图

矩阵或图像输入

imshow: 图像显示

三维图形

scatter_3d: 三维散点图
line_3d: 三维线图

多维图形

scatter_matrix: 散点矩阵图
parallel_coordinates: 平行坐标图
parallel_categories: 平行类别图

地图图形

scatter_mapbox: Mapbox 散点图
line_mapbox: Mapbox 线图
choropleth_mapbox: Mapbox 分级统计图
density_mapbox: Mapbox 密度图
scatter_geo: 地理散点图
line_geo: 地理线图
choropleth: 分级统计图

极坐标图形

scatter_polar: 极坐标散点图
line_polar: 极坐标线图
bar_polar: 极坐标条形图

三元图表

scatter_ternary: 三元散点图
line_ternary: 三元线图

高级功能特性

核心特性

单一入口点: 只需导入 plotly.express 即可访问所有绘图功能
内置数据集: px.data 提供演示数据集
内置色彩: px.color 提供色阶和序列
Figure 对象: 每个函数返回 plotly.graph_objects.Figure 对象

智能默认值

合理默认: 自动推断合理的默认值
可覆盖: 所有默认值都可以自定义覆盖

灵活输入格式

多种数据源: 支持列表、字典、Pandas DataFrames、numpy 数组、xarrays、GeoPandas GeoDataFrames

自动配置

自动跟踪: 为不同数据组合自动创建图形轨迹
布局配置: 自动配置子图和布局
图例管理: 智能管理图例显示和分组

标签和悬停

自动标签: 根据输入数据自动标记轴、图例和颜色条
标签控制: 通过 labels 参数提供额外控制
悬停标签: 自动填充悬停标签，支持 hover_name 和 hover_data 参数

样式控制

模板系统: 从默认图形模板读取样式信息
分类控制: 支持 category_orders 和 color_discrete_map 等参数
颜色处理: 根据输入类型自动切换连续颜色和分类颜色

高级布局

分面: 支持 facet_row、facet_col 和 facet_col_wrap 参数
边际图: 支持 marginal、marginal_x 和 marginal_y 参数
Pandas 后端: 可作为 Pandas 绘图后端使用

交互功能

趋势线: px.scatter 支持内置趋势线和模型输出
动画: 通过 animation_frame 和 animation_group 参数支持动画
WebGL 渲染: 大型散点图自动使用 WebGL 硬件加速

⚠️ 注意事项

性能考虑: 大数据集绘图时考虑使用 WebGL 渲染或数据采样
内存使用: 复杂图形可能占用较多内存，注意及时释放不需要的 Figure 对象
导出依赖: 图片导出功能需要安装 kaleido 包
浏览器兼容: 某些高级交互功能可能需要现代浏览器支持
数据格式: 确保数据格式正确，特别是时间序列数据的日期格式

🔗 相关内容

📚 扩展阅读

🏷️ 标签

可视化 图表 交互式 plotly 数据分析 绘图

最后更新: 2024-01-15
作者: Python 技术文档工程师
版本: 1.0

Plotly - Python 交互式可视化图形库

📝 概述

🎯 学习目标

📋 前置知识

🔍 详细内容

安装配置

两种使用方式

Pandas 后端配置

plotly.express 方式

常用参数配置

全局配置

通用参数

柱状图专用参数

饼图专用参数

动画参数

样式模板

图表导出

💡 实际应用

图形样式定制

多图布局

完整应用示例

🔍 功能介绍

Plotly Express 图表类型

基础图形

整体与部分的表示

一维分布

二维分布

矩阵或图像输入

三维图形

多维图形

地图图形

极坐标图形

三元图表

高级功能特性

核心特性

智能默认值

灵活输入格式

自动配置

标签和悬停

样式控制

高级布局

交互功能

⚠️ 注意事项

🔗 相关内容

📚 扩展阅读

🏷️ 标签

讨论与反馈