详解Python可视化神器Plotly，用简单代码，绘制出更好的图表。-优快云博客

本文介绍Python的可视化库Plotly，强调其作为数据分析和可视化的强大工具，支持在线编辑和多种语言API。通过实例展示了折线点图、直方图和散点图的绘制过程，适合用于数据展示和理解。此外，提供了Python技术储备的学习资源，包括学习路线、视频教程、书籍推荐、实战案例和面试资料。

文章目录

前言

学习Python是做数分析的最基础的一步，数据分析离不开数据可视化。Python第三方库中我们最常用的可视化库是 pandas，matplotlib，pyecharts，当然还有 Tableau，另外最近在学习过程中发现另一款可视化神器-Plotly，它是一款用来做数据分析和可视化的在线平台，功能非常强大, 可以在线绘制很多图形比如条形图、散点图、饼图、直方图等等。除此之外，它还支持在线编辑，以及多种语言 python、javascript、matlab、R等许多API。它在python中使用也非常简单，直接用pip install plotly 安装好即可使用。本文将结合 plotly 库在 jupyter notebook 中来进行图形绘制。

使用 Plotly 可以画出很多媲美Tableau的高质量图，如下图所示：

折线点图

折现点图画图步骤如下：首先在 Pycharm 界面输入 jupyter notebook后进入网页编辑界面，新建一个文件，导入相应的包即可进行图形绘制：

\# import pkg
from plotly.graph\_objs import Scatter,Layout
import plotly
import plotly.offline as py
import numpy as np
import plotly.graph\_objs as go

#设置编辑模式
plotly.offline.init\_notebook\_mode(connected=True)

#制作折线图
N = 150
random\_x = np.linspace(0,1,N)
random\_y0 = np.random.randn(N)+7
random\_y1 = np.random.randn(N)
random\_y2 = np.random.randn(N)-7
 
trace0 = go.Scatter(
  x = random\_x,
  y = random\_y0,
  mode = 'markers',
  name = 'markers'
)
trace1 = go.Scatter(
  x = random\_x,
  y = random\_y1,
  mode = 'lines+markers',
  name = 'lines+markers'
)
trace2 = go.Scatter(
  x = random\_x,
  y = random\_y2,
  mode = 'lines',
  name = 'lines'
)
data = \[trace0,trace1,trace2\]
py.iplot(data)

显示结果如下：

直方图

\# 直方图
trace0 = go.Bar(
  x = \['Jan','Feb','Mar','Apr', 'May','Jun',
     'Jul','Aug','Sep','Oct','Nov','Dec'\],
  y = \[20,15,25,16,18,28,19,67,12,56,14,27\],
  name = 'Primary Product',
  marker=dict(
    color = 'rgb(49,130,189)'
  )
)
trace1 = go.Bar(
  x = \['Jan','Feb','Mar','Apr', 'May','Jun',
     'Jul','Aug','Sep','Oct','Nov','Dec'\],
  y = \[29,14,32,14,16,19,25,14,10,12,82,16\],
  name = 'Secondary Product',
  marker=dict(
    color = 'rgb(204,204,204)'
  )
)
data = \[trace0,trace1\]
py.iplot(data)

显示结果如下：

散点图

\# 散点图
trace1 = go.Scatter(
   y = np.random.randn(700),
  mode = 'markers',
  marker = dict(
    size = 16,
    color = np.random.randn(800),
    colorscale = 'Viridis',
    showscale = True
  )
)
data = \[trace1\]
py.iplot(data)

显示结果如下：