Python 数据可视化高级技巧：使用 Plotly 和 Dash 创建交互式图表

数字魔方操控师

于 2025-04-28 14:22:41 发布

阅读量901

点赞数 23

文章标签：信息可视化 python 开发语言

本文链接：https://blog.csdn.net/2401_87432205/article/details/147583042

版权

一、引言

在当今数据驱动的时代，数据可视化已成为数据分析和决策制定过程中不可或缺的一环。它能够将复杂的数据以直观、易懂的图形化方式呈现出来，帮助我们快速洞察数据背后的模式、趋势和关系。Python 作为一种强大且灵活的编程语言，拥有众多功能丰富的数据可视化库，其中 Plotly 和 Dash 的结合为创建交互式图表提供了卓越的解决方案。

Plotly 是一个开源的可视化库，能够生成高质量、交互式的图表，支持多种图表类型，如折线图、柱状图、散点图、热力图等。其丰富的交互功能，如悬停效果、数据筛选、缩放和平移等，使用户能够更深入地探索数据。Dash 则是基于 Flask、Plotly.js 和 React.js 构建的 Python 框架，专门用于创建交互式、响应式的网络应用，尤其适用于数据可视化和仪表盘开发。通过简单的 Python 代码，Dash 允许用户定义 UI 组件，并实现与底层数据的交互，从而动态展示数据。将 Plotly 和 Dash 相结合，我们可以充分发挥它们的优势，打造出高度交互性、实时数据更新且易于扩展的可视化应用。本文将详细介绍如何使用 Plotly 和 Dash 创建交互式图表，从基础的安装和设置开始，逐步深入到各种图表类型的创建、交互功能的添加以及 Dash 应用的构建，通过实际案例帮助读者掌握这些高级数据可视化技巧。

二、Plotly 基础

2.1 安装与设置

在开始使用 Plotly 之前，首先需要确保其已安装在你的 Python 环境中。可以通过 pip 包管理器进行安装，在命令行中输入以下命令：

pip install plotly

安装完成后，还可以安装 Plotly Express，它是一个高级 API，提供了更简洁的绘图方法，安装命令如下：

pip install plotly-express

导入 Plotly 库是使用它的第一步，在 Python 脚本中，通常这样导入：

import plotly.graph_objects as go

如果要使用 Plotly Express，则这样导入：

import plotly.express as px

2.2 创建基本图表

2.2.1 线形图

使用 Plotly 创建简单的线形图非常直观。假设我们有一组时间序列数据，例如一家公司过去几年的销售额，数据如下：

years = [2015, 2016, 2017, 2018, 2019, 2020]

sales = [100, 120, 150, 130, 180, 200]

可以通过以下代码创建一个线形图：

fig = go.Figure()

fig.add_trace(go.Scatter(x = years, y = sales, mode='lines', name='Sales'))

fig.update_layout(title='Company Sales Over Years',

xaxis_title='Year',

yaxis_title='Sales Amount')

fig.show()

在这段代码中，首先创建了一个Figure对象fig，然后使用add_trace方法添加了一个Scatter对象，通过设置mode='lines'指定为线形图。接着，使用update_layout方法设置图表的标题以及 x 轴和 y 轴的标题，最后通过show方法显示图表。

2.2.2 柱状图

创建柱状图也类似。比如我们要比较不同产品的销量，数据如下：

products = ['Product A', 'Product B', 'Product C', 'Product D']

sales_quantity = [50, 70, 40, 60]

代码如下：

fig = go.Figure(data=[go.Bar(x = products, y = sales_quantity)])

fig.update_layout(title='Product Sales Quantity Comparison',

xaxis_title='Product',

yaxis_title='Sales Quantity')

fig.show()

这里直接通过go.Bar创建柱状图数据，并将其作为列表传递给Figure的data参数，然后同样设置图表布局并显示。

2.2.3 饼图

假设我们有一个关于市场份额的数据，要创建饼图来展示，数据如下：

companies = ['Company X', 'Company Y', 'Company Z', 'Company W']

market_shares = [0.3, 0.25, 0.2, 0.25]

创建饼图的代码如下：

fig = go.Figure(data=[go.Pie(labels = companies, values = market_shares)])

fig.update_layout(title='Market Share Distribution')

fig.show()

通过go.Pie创建饼图，设置labels为公司名称，values为对应的市场份额，再设置标题后显示图表。

2.3 添加交互功能

2.3.1 悬停效果

Plotly 默认就为图表添加了悬停效果，当鼠标悬停在数据点上时，会显示该点的具体数据信息。例如在线形图中，当鼠标悬停在某个年份对应的销售额点上时，会显示该年份和具体的销售额数值。如果想要自定义悬停信息的显示内容，可以通过设置hovertemplate参数来实现。比如在线形图中，我们希望在悬停时除了显示年份和销售额，还显示销售额的增长率（假设我们已经计算出了增长率列表growth_rates），代码可以修改为：

fig = go.Figure()

fig.add_trace(go.Scatter(x = years, y = sales, mode='lines', name='Sales',

hovertemplate='Year: %{x}<br>Sales: %{y}<br>Growth Rate: %{customdata[0]}',

customdata=[growth_rates]))

fig.update_layout(title='Company Sales Over Years',

xaxis_title='Year',

yaxis_title='Sales Amount')

fig.show()

这里通过hovertemplate定义了悬停信息的格式，%{x}和%{y}分别表示 x 轴和 y 轴的数据值，%{customdata[0]}表示自定义数据列表customdata中的第一个元素，即增长率。