下载安装plotly
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple plotly学plotly这个第三方库呢首先要明白一个是作图，一个是画布，在plotly中图表就是轨迹（trace），画布就是用来展现轨迹的一块布，没有画布的话我们作的图就不能呈现，一个画布可以显示多个轨迹。在用plotly这个库的时候我们可以用两种方式来绘图。
第一种
import plotly.graph_objs as go # 第一种
import plotly.express as px # 第二种
两种都能画图，但是我个人觉得第一种太废代码了，
如果你想要特别好看的图，第一种的方法有很多属性让你去调。
相对来说第二种适合数据分析，因为它可以直接传入DataFrame
作为数据，而且相对也好理解一些。其实第二种就是第一种简化
的接口。
如果小伙伴想学第一种，可以去看看这位博客写的文章
https://blog.csdn.net/chinesehuazhou2/article/details/130312926
接下来就进入plotly的学习吧。
线形图(line)
1.数据导入（我用的jupyter notebook软件）
import pandas as pd
import numpy as np
import plotly.express as px
# 数据集
gapminder = px.data.gapminder()
gapminder.head() # 取出数据，默认5条前5条数据如下
2.绘图
# 线性图
# line 图
fig = px.line(
gapminder, # 数据集
x="year", # 横坐标
y="lifeExp", # 纵坐标
color="continent", # 颜色的数据
line_group="continent", # 线性分组
hover_name="country", # 悬停hover的数据
line_shape="spline", # 线的形状
render_mode="svg" # 生成的图片模式
)
fig.show()3.图片
小结：用px.line()的方法可以很快作出线形图，它的参数基本上是数据集，横坐标x,纵坐标y,区别颜色color，鼠标悬停数据hover_name，当然还有线性分组line_group,线的形状line_shape等等。
注意：这些参数必须都是数据集的某列。
散点图(scatter)
px.scatter(
gapminder # 绘图DataFrame数据集
,x="gdpPercap" # 横坐标
,y="lifeExp" # 纵坐标
,color="continent" # 区分颜色
,size="pop" # 区分圆的大小
,size_max=60 # 散点大小
)
散点图用到了scatter()函数，它的参数第一个还是我们的数据集，其他属性都是数据集中的某一列。
图效果：
其实散点图有点类似于气泡图，散点大小通过size_max来调节。
对以上的图我们还可以让自动化展示，加上 animation_frame 这个参数就可以在图形下面形成一个滚动条，我们的图形会随着滚动条滑动而改变，设置 facet_col 这个参数可以将图形进行分格显示，还可以设置lables，让属性名字变化的更直观。
px.scatter(
gapminder # 绘图使用的数据
,x="gdpPercap" # 横纵坐标使用的数据
,y="lifeExp" # 纵坐标数据
,color="continent" # 区分颜色的属性
,size="pop" # 区分圆的大小
,size_max=60 # 圆的最大值
,hover_name="country" # 图中可视化最上面的名字
,animation_frame="year" # 横轴滚动栏的属性year
,facet_col="continent" # 按照洲continent属性进行分格显示
,labels=dict(pop="Populations", # 属性名字的变化，更直观
gdpPercap="GDP per Capital",
lifeExp="Life Expectancy")
)
图形如下：
找到一份散点图定义的开源代码：
def scatter(data_frame, x=None, y=None, color=None, symbol=None, size=None,
hover_name=None, hover_data=None, text=None, facet_row=None,
facet_col=None, error_x=None, error_x_minus=None, error_y=None,
error_y_minus=None, animation_frame=None, animation_group=None,
category_orders={}, labels={}, color_discrete_sequence=None,
color_discrete_map={}, color_continuous_scale=None,
range_color=None, color_continuous_midpoint=None,
symbol_sequence=None, symbol_map={}, opacity=None,
size_max=None, marginal_x=None, marginal_y=None, trendline=None,
trendline_color_override=None, log_x=False, log_y=False,
range_x=None, range_y=None, render_mode='auto', title=None,
template=None, width=None, height=None):
return参数详解如下（常用的标红）：
-
data_frame：目标数据，类型为dataframe；
-
x ：指定列名。列中的值用于笛卡尔坐标中沿 X 轴的定位标记。图表类型为水平柱状图时，这些值用作参数histfunc的入参；
-
y ：指定列名。列中的值用于笛卡尔坐标中沿 Y 轴的定位标记。图表类型为垂直柱状图时，这些值用作参数histfunc的入参；
-
color：指定列名。为列中的不同值，(由px)自动匹配不同的标记颜色；若列为数值数据时，还会自动生成连续色标；
-
symbol：指定列名。为列中的不同值，设置不同的标记形状；
-
size：指定列名。为列中的不同值，设置不同的标记大小；
-
hover_name：指定列名。将列中的值，加粗显示在悬停提示内容的正上方；
-
hover_data：指定列名组成的列表。所有列的值，显示在悬停提示内容中，位于x/y值的下方。指定的列与x/y重复时仅显示1条数据；
-
text：指定列名。列中的值，在图的标记中显示为文本标签，同时也显示在悬停提示内容中；
-
facet_row：指定列名。根据列中不同的(N个)值，在垂直方向上显示N个子图，并在子图右侧，垂直方向上，进行文本标注；
-
facet_col：指定列名。根据列中不同的(N个)值，在水平方向上显示N个子图，并在子图上方，水平方向上，进行文本标注；
-
error_x：指定列名。显示误差线，列中的值用于调整 X 轴误差线的大小。如果参数error_x_minus == None，则悬停提示内容中，显示对称的误差值；否则显示正向的误差值。该列通常是基于元数据加工的结果，目的是统计元数据指标的误差值，一般会用元数据除以100的整数倍。
-
error_x_minus：指定列名。列中的值用于在负方向调整 X 轴误差线的大小，如果参数error_x==None，则直接忽略该参数；
-
error_y：指定列名。显示误差线，列中的值用于调整 Y 轴误差线的大小。如果参数error_y_minus == None，则悬停提示内容中，显示对称的误差值；否则显示正向的误差值。该列通常是基于元数据加工的结果，目的是统计元数据指标的误差值，一般会用元数据除以100的整数倍。
-
error_y_minus：指定列名。列中的值用于在负方向调整 Y 轴误差线的大小，如果参数error_y==None，则直接忽略该参数；
-
animation_frame：指定列名。列中的值用于为动画帧指定标记，即设置滑动条；
-
animation_group：指定列名。列中的值用于提供跨动画帧的联动匹配；
-
category_orders：带有字符串键和字符串列表值的字典，默认为{}，此参数用于强制每列的特定值排序，dict键是列名，dict值是指定的排列顺序的字符串列表。默认情况下，在Python 3.6+中，轴，图例和构面中的分类值的顺序取决于在data_frame中首次出现的顺序，而在3.6以下的Python中，默认不保证顺序，该参数即为解决此类问题而设计；
-
labels：带字符串键和字符串值的dict，默认为{}。此参数用于修改图表中显示的列名称。默认情况下，图表中使用列名称作为轴标题、图例条目、悬停提示等，此参数可以进行修改，dict的键是列名，dict值是修改的新名称；
-
color_discrete_sequence：有效的CSS颜色字符串列表，取自plotly_express的color子模块。当参数color指定的列不是数值数据时，该参数为color列指定颜色序列，若category_orders参数不为None，则按category_orders中设定的顺序循环执行color_discrete_sequence，除非color列的值在参数color_discrete_map入参的dict键中；
-
color_discrete_map：带字符串键和有效CSS颜色字符串值的dict，默认为{}。当参数color指定的列不是数值数据时，该参数用于将特定颜色分配给，与特定值对应的标记，color_discrete_map中的键为color表示的列值。其优先级高，会覆盖color_discrete_sequence参数中的设置；
-
color_continuous_scale：有效的CSS颜色字符串列表，取自plotly_express的color子模块。当参数color指定的列是数值数据时，为连续色标，设置指定的颜色序列。实际上，color指定列时，px会自动匹配颜色：1）若指定列是数值数据，通过参数color_continuous_scale可以设定具体的颜色序列；2）若指定列是非数值数据时，通过参数color_discrete_sequence可以设定具体的颜色序列(循环匹配)；通过参数color_discrete_map可以为列中不同值，指定具体的颜色；
-
range_color：2个数字元素组成的列表，参数用于设定连续色标上的自动缩放，即边界的大小值；
-
color_continuous_midpoint：数字，默认为无。如果设置，则计算连续色标的边界以具有所需的中点。 若使用plotly_express.colors.diverging色标作为color_continuous_scale的如参时，建议设置此值；
-
symbol_sequence：定义plotly.js符号的字符串列表。参数用于为列中的值分配符号，除非symbol的值是symbol_map中的键。分配符号的顺序：按按category_orders中设置的顺序循环执行；
-
symbol_map：带字符串键和定义plotly.js符号的字符串值的dict，默认值{}。该参数用于将特定符号分配给，与特定值对应的标记，symbol_map中的键为symbol表示的列值。其优先级高，会覆盖symbol_sequence参数中的设置；
-
opacity：数字，介于0和1之间，设置标记的不透明度；
-
size_max：整数，默认为20。使用size参数时，设置最大标记的大小；
-
marginal_x：字符串，取值：rug(细条)、box(箱图)、violin(小提琴图)、histogram(直方图)。该参数用于在主图上方，绘制一个水平子图，以便对x分布，进行可视化；
-
marginal_y：字符串，取值：rug(细条)、box(箱图)、violin(小提琴图)、histogram(直方图)。该参数用于在主图右侧，绘制一个垂直子图，以便对y分布，进行可视化；
-
trendline：字符串，取值：ols、lowess、None。取值为ols时，将为每个离散颜色/符号组，绘制一个普通最小二乘回归线；取值为lowess时，则将为每个离散颜色/符号组，绘制局部加权散点图平滑线；
-
trendline_color_override：字符串，有效的CSS颜色。如果设置了参数trendline趋势线，则将以此颜色绘制所有趋势线；
-
log_x：布尔值，默认为False。如果为True，则 X 轴在笛卡尔坐标系中进行对数缩放；
-
log_y：布尔值，默认为False。如果为True，则 Y 轴在笛卡尔坐标系中进行对数缩放；
-
range_x：2个数字元素组成的列表，用于设定笛卡尔坐标中 X 轴上的自动缩放，即边界的大小值；
-
range_y：2个数字元素组成的列表，用于设定笛卡尔坐标中 Y 轴上的自动缩放，即边界的大小值；
-
render_mode：字符串，取值：auto(默认)、svg、webgl。用于控制绘制标记的浏览器API，svg适用于少于1000的数据，并允许完全矢量化输出；webgl可以接收1000点以上的数据；auto使用启发式方法来选择模式；
-
title：字符串，设置图表的标题；
-
template：字符串或Plotly.py模板对象，设置图表的背景颜色。有三个内置的 Plotly 主题： plotly， plotly_white 和 plotly_dark；
-
width：整数，默认无，设置图表的宽度（以像素为单位）；
-
height：整数，默认600，设置图表的高度（以像素为单位）
所有图表的参数都和散点图大差不差，后面不在赘述。
柱状图(bar)
fig = px.bar(
tips, # 数据集
x="sex", # 横轴
y="total_bill", # 纵轴
color="smoker", # 颜色参数取值
barmode="group", # 柱状图模式取值
facet_row="time", # 行取值
facet_col="day", # 列元素取值
category_orders={
"day": ["Thur","Fri","Sat","Sun"], # 分类顺序
"time":["Lunch", "Dinner"]})
fig.show()这里用到了px的内置数据集，使用前要导入 tips = px.data.tips()
这是餐馆的订单流水。包含字段：总账单、小费、性别、是否抽烟、星期几、就餐时间、人数；
柱状图如下：
直方图 （histogram）
fig = px.histogram(
tips, # 绘图数据集
x="sex", # 横轴为性别
y="tip", # 纵轴为费用
histfunc="avg", # 直方图显示的函数
color="smoker", # 颜色
barmode="group", # 柱状图模式
facet_row="time", # 行取值
facet_col="day", # 列取值
category_orders={ # 分类顺序
"day":["Thur","Fri","Sat","Sun"],
"time":["Lunch","Dinner"]}
)
fig.show()
直方图如下：
啊，有点累，我也是小白感觉学着有点卡顿，到这里总结一下吧。
对于数据分析师来说至少需要掌握散点，折线，柱状图，饼图，气泡图，漏斗图。
因为饼图，气泡图，漏斗图我没用过px这种方法，小伙伴们可以去看我上面推荐的那个博客，他里面有详情的做法，唉，今天又是当fw的一天，脑壳疼，晚上还要上课，今天就先到这吧。呜呜呜呜呜。
对了，最最最最最最最最最最后一件事，这两种方法一定要结合起来使用，因为他们俩本身就是一个底层API和一个简化的API，大多数简化解决不了的就用最底层的那个去解决，也就是
import plotly.graph_objs as go 这个也是非常非常重要的！！！
1万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
