快捷導(dǎo)航

Python?Plotly庫(kù)安裝及使用教程

更新時(shí)間：2025年03月14日 09:40:26 作者：孤客網(wǎng)絡(luò)科技工作室

這篇文章主要介紹了包括安裝、導(dǎo)入庫(kù)、Plotly的基本結(jié)構(gòu)、常見(jiàn)圖表類型、樣式定制以及如何與Pandas數(shù)據(jù)框結(jié)合使用,通過(guò)示例代碼和解釋,幫助讀者快速掌握Plotly的使用技巧,需要的朋友可以參考下

引言

數(shù)據(jù)可視化是數(shù)據(jù)分析中至關(guān)重要的一部分，它能夠幫助我們更直觀地理解數(shù)據(jù)、發(fā)現(xiàn)潛在的模式和趨勢(shì)。Python 提供了多種數(shù)據(jù)可視化庫(kù)，其中 Plotly 是一個(gè)功能強(qiáng)大且靈活的庫(kù)，支持交互式圖表的創(chuàng)建。與靜態(tài)圖表相比，Plotly 的交互性使得數(shù)據(jù)探索和分析更加直觀和便捷。本文將詳細(xì)介紹 Plotly 的基本用法、常見(jiàn)圖表類型、樣式定制以及如何與 Pandas 數(shù)據(jù)框結(jié)合使用，幫助你快速掌握 Plotly 的使用技巧。

1. 安裝 Plotly

在開(kāi)始之前，確保你已經(jīng)安裝了 Plotly。如果沒(méi)有安裝，可以使用以下命令進(jìn)行安裝：

pip install plotly

2. 導(dǎo)入庫(kù)

在使用 Plotly 之前，我們需要導(dǎo)入必要的庫(kù)。通常情況下，我們還會(huì)使用 Pandas 來(lái)處理數(shù)據(jù)：

import plotly.express as px
import plotly.graph_objects as go
import pandas as pd

3. Plotly 的基本結(jié)構(gòu)

Plotly 提供了兩種主要的 API：Plotly Express 和 Plotly Graph Objects。Plotly Express 是一個(gè)高層接口，適合快速創(chuàng)建常見(jiàn)圖表；而 Plotly Graph Objects 則提供了更大的靈活性，適合創(chuàng)建復(fù)雜的圖表。

3.1 使用 Plotly Express

Plotly Express 是一個(gè)簡(jiǎn)單易用的接口，適合快速繪制圖表。以下是一個(gè)使用 Plotly Express 繪制散點(diǎn)圖的示例：

# 加載示例數(shù)據(jù)集
df = px.data.iris()

# 繪制散點(diǎn)圖
fig = px.scatter(df, x='sepal_length', y='sepal_width', color='species', title='Iris Sepal Length vs Width')
fig.show()

3.2 使用 Plotly Graph Objects

如果需要更復(fù)雜的圖表，可以使用 Plotly Graph Objects。以下是一個(gè)使用 Graph Objects 繪制條形圖的示例：

# 創(chuàng)建數(shù)據(jù)
data = [go.Bar(x=['A', 'B', 'C'], y=[10, 20, 15])]

# 創(chuàng)建圖形對(duì)象
fig = go.Figure(data=data)

# 設(shè)置圖表標(biāo)題
fig.update_layout(title='Bar Chart Example')

# 顯示圖表
fig.show()

4. 常見(jiàn)圖表類型

Plotly 支持多種類型的圖表，以下是一些常見(jiàn)圖表的示例。

4.1 散點(diǎn)圖（Scatter Plot）

散點(diǎn)圖用于顯示兩個(gè)變量之間的關(guān)系。使用 Plotly Express 可以很方便地創(chuàng)建散點(diǎn)圖。

fig = px.scatter(df, x='sepal_length', y='sepal_width', color='species', size='petal_length', hover_data=['petal_width'])
fig.show()

4.2 線圖（Line Chart）

線圖用于顯示數(shù)據(jù)隨時(shí)間變化的趨勢(shì)。以下是一個(gè)使用 Plotly Express 繪制線圖的示例：

# 創(chuàng)建示例數(shù)據(jù)
df_line = pd.DataFrame({
    'Year': [2016, 2017, 2018, 2019, 2020],
    'Value': [10, 15, 20, 25, 30]
})

# 繪制線圖
fig = px.line(df_line, x='Year', y='Value', title='Line Chart Example')
fig.show()

4.3 條形圖（Bar Chart）

條形圖用于比較不同類別的數(shù)值。以下是一個(gè)使用 Plotly Express 繪制條形圖的示例：

fig = px.bar(df, x='species', y='sepal_length', title='Average Sepal Length by Species', 
             color='species', barmode='group')
fig.show()

4.4 餅圖（Pie Chart）

餅圖用于顯示各部分占總體的比例。以下是一個(gè)使用 Plotly Express 繪制餅圖的示例：

# 創(chuàng)建示例數(shù)據(jù)
df_pie = pd.DataFrame({
    'Labels': ['A', 'B', 'C'],
    'Values': [10, 20, 30]
})

# 繪制餅圖
fig = px.pie(df_pie, values='Values', names='Labels', title='Pie Chart Example')
fig.show()

4.5 熱力圖（Heatmap）

熱力圖用于展示數(shù)據(jù)的矩陣形式，常用于相關(guān)性分析。以下是一個(gè)使用 Plotly Express 繪制熱力圖的示例：

# 計(jì)算相關(guān)性矩陣
correlation = df.corr()

# 繪制熱力圖
fig = px.imshow(correlation, title='Correlation Heatmap')
fig.show()

5. 樣式定制

Plotly 提供了多種樣式和主題，可以幫助我們美化圖表。我們可以通過(guò) update_layout() 方法進(jìn)行定制。

5.1 修改圖表標(biāo)題和軸標(biāo)簽

fig.update_layout(title='Customized Scatter Plot', xaxis_title='Sepal Length', yaxis_title='Sepal Width')

5.2 修改顏色和樣式

我們還可以通過(guò) update_traces() 方法修改圖表的顏色和樣式。例如，改變散點(diǎn)圖的大小和顏色：

fig.update_traces(marker=dict(size=10, line=dict(width=2, color='DarkSlateGrey')))

6. 與 Pandas 數(shù)據(jù)框結(jié)合使用

Plotly 與 Pandas 數(shù)據(jù)框的結(jié)合使用使得數(shù)據(jù)處理和可視化變得更加方便。我們可以直接使用 Pandas 數(shù)據(jù)框作為 Plotly 的數(shù)據(jù)源。

示例：使用 Pandas 和 Plotly 繪制圖表

下面是一個(gè)示例，展示如何使用 Pandas 數(shù)據(jù)框和 Plotly 繪制圖表：

# 創(chuàng)建一個(gè)示例數(shù)據(jù)框
data = {
    'Category': ['A', 'B', 'C', 'A', 'B', 'C'],
    'Values': [10, 20, 15, 25, 30, 35]
}
df = pd.DataFrame(data)

# 使用 Plotly 繪制條形圖
fig = px.bar(df, x='Category', y='Values', title='Bar Chart of Values by Category')
fig.show()

7. 進(jìn)階用法

7.1 Dash

Dash 是 Plotly 提供的一個(gè)用于構(gòu)建交互式 Web 應(yīng)用的框架。通過(guò) Dash，我們可以將 Plotly 圖表嵌入到 Web 應(yīng)用中，實(shí)現(xiàn)數(shù)據(jù)的動(dòng)態(tài)交互。

7.2 3D 圖表

Plotly 還支持繪制 3D 圖表，例如 3D 散點(diǎn)圖、3D 表面圖等。以下是一個(gè) 3D 散點(diǎn)圖的示例：

fig = px.scatter_3d(df, x='sepal_length', y='sepal_width', z='petal_length', color='species', title='3D Scatter Plot')
fig.show()

8. 結(jié)論

Plotly 是一個(gè)強(qiáng)大的數(shù)據(jù)可視化庫(kù)，能夠幫助我們輕松地創(chuàng)建美觀的交互式圖表。通過(guò)本教程，我們學(xué)習(xí)了 Plotly 的基本用法、常見(jiàn)圖表類型、樣式定制以及與 Pandas 數(shù)據(jù)框的結(jié)合使用。希望這些內(nèi)容能夠幫助你在數(shù)據(jù)分析中更好地利用 Plotly 進(jìn)行可視化。