最強Python可視化繪圖庫Plotly詳解用法
今天給大傢分享一篇可視化幹貨，介紹的是功能強大的開源 Python 繪圖庫 Plotly，教你如何用超簡單的（甚至隻要一行）代碼，繪制出更棒的圖表。
我之前一直使用 matplotlib ，由於它復雜的語法，我已經“沉沒”在裡面太多的時間成本。這也導致我花費瞭不知多少個深夜，在 StackOverflow 上搜索如何“格式化日期”或“增加第二個Y軸”。
但我們現在有一個更好的選擇瞭 ，比如易於使用、文檔健全、功能強大的開源 Python 繪圖庫 Plotly。今天就帶你深入體驗下，瞭解它如何用超簡單的代碼，繪制出更棒的圖表。歡迎收藏學習，喜歡點贊支持。文末提供技術交流群，歡迎參與交流學習。
本文中所有代碼都已經在 Github 上開源，所有的圖表都是可交互的，請使用Jupyter notebook查看 。
Github地址：https://github.com/WillKoehrsen/Data-Analysis/blob/master/plotly/Plotly%20Whirlwind%20Introduction.ipynb
Plotly 概述
plotly 的 Python 軟件包是一個開源的代碼庫，它基於 plot.js，而後者基於 d3.js。我們實際使用的則是一個對 plotly 進行封裝的庫，名叫 cufflinks，它能讓你更方便地使用 plotly 和 Pandas 數據表協同工作。
_*註：__Plotly 本身是一個擁有多個不同產品和開源工具集的可視化技術公司。_Plotly 的 Python 庫是可以免費使用的，在離線模式可以創建數量不限的圖表，在線模式因為用到瞭 Plotly 的共享服務，隻能生成並分享 25 張圖表。
本文中的所有可視化圖表都是在 Jupyter Notebook 中使用離線模式的 plotly + cufflinks 庫完成的。在使用 pip install cufflinks plotly 完成安裝後，你可以用下面這樣的代碼在 Jupyter 裡完成導入：
單變量分佈：柱狀圖和箱形圖
單變量分析圖往往是開始數據分析時的標準做法，而柱狀圖基本上算是單變量分佈分析時必備的圖表之一（雖然它還有一些不足）。
就拿博客文章點贊總數為例（原始數據見 Github：https://github.com/WillKoehrsen/Data-Analysis/tree/master/medium ），做一個簡單的交互式柱狀圖：
（代碼中的 df 是標準的 Pandas dataframe 對象）
（使用 plotly+cufflinks 創建的交互式柱狀圖）
對於已經習慣 matplotlib 的同學，你們隻需要多打一個字母（把 .plot 改成 .iplot ），就能獲得看起來更加美觀的交互式圖表！點擊圖片上的元素就能顯示出詳細信息、隨意縮放，還帶有（我們接下來會提到的）高亮篩選某些部分等超棒功能。
如果你想繪制堆疊柱狀圖，也隻需要這樣：
對 pandas 數據表進行簡單的處理，並生成條形圖：
就像上面展示的那樣，我們可以將 plotly + cufflinks 和 pandas 的能力整合在一起。比如，我們可以先用 .pivot() 進行數據透視表分析，然後再生成條形圖。
比如統計不同發表渠道中，每篇文章帶來的新增粉絲數：
交互式圖表帶來的好處是，我們可以隨意探索數據、拆分子項進行分析。箱型圖能提供大量的信息，但如果你看不到具體數值，你很可能會錯過其中的一大部分！
散點圖
散點圖是大多數分析的核心內容，它能讓我們看出一個變量隨著時間推移的變化情況，或是兩個（或多個）變量之間的關系變化情況。
時間序列分析
在現實世界中，相當部分的數據都帶有時間元素。幸運的是，plotly + cufflinks 天生就帶有支持時間序列可視化分析的功能。
以我在“Towards Data Science”網站上發表的文章數據為例，讓我們以發佈時間為索引構建一個數據集，看看文章熱度的變化情況：
在上圖中，我們用一行代碼完成瞭幾件事情：
- 自動生成美觀的時間序列 X 軸
- 增加第二條 Y 軸，因為兩個變量的范圍並不一致
- 把文章標題放在鼠標懸停時顯示的標簽中
為瞭顯示更多數據，我們可以方便地添加文本註釋：
（帶有文本註釋的散點圖）
下面的代碼中，我們將一個雙變量散點圖按第三個分類變量進行著色：
接下來我們要玩點復雜的：對數坐標軸。我們通過指定 plotly 的佈局（layout）參數來實現這一點（關於不同的佈局，請參考官方文檔 https://plot.ly/python/reference/ ），同時我們把點的尺寸（size參數）和一個數值變量 read_ratio （閱讀比例）綁定，數字越大，泡泡的尺寸也越大。
如果想要更復雜一些（詳見 Github 的源代碼），我們甚至可以在一張圖裡塞進 4 個變量！（然而並不推薦你們真的這麼搞）
和前面一樣，我們可以將 pandas 和 plotly+cufflinks 結合起來，實現許多有用的圖表：
建議你查看官方文檔，或者源代碼，裡面有更多的范例和函數實例。隻需要簡單的一兩行代碼，就可以為你的圖表加上文字註釋，輔助線，最佳擬合線等有用的元素，並且保持原有的各種交互式功能。
高級繪圖功能
接下來，我們要詳細介紹幾種特殊的圖表，平時你可能並不會很經常用到它們，但我保證隻要你用好瞭它們，一定能讓人刮目相看。我們要用到 plotly 的 figure_factory 模塊，隻需要一行代碼，就能生成超棒的圖表！
散點圖矩陣
假如我們要探索許多不同變量之間的關系，散點圖矩陣（也被稱為SPLOM）就是個很棒的選擇：
即使是這樣復雜的圖形，也是完全可交互的，讓我們能更詳盡地對數據進行探索。
關系熱圖
為瞭體現多個數值變量間的關系，我們可以計算它們的相關性，然後用帶標註熱度圖的形式進行可視化：
自定義主題
除瞭層出不窮的各種圖表外，Cufflinks 還提供瞭許多不同的著色主題，方便你輕松切換各種不同的圖表風格。下面兩張圖分別是“太空”主題和“ggplot”主題：
此外，還有 3D 圖表（曲面和泡泡）：
對有興趣研究的用戶來說，做張餅圖也不是什麼難事：
在 Plotly 圖表工坊（Plotly Chart Studio）裡編輯
當你在 Jupyter Notebook 裡生成瞭這些圖表之後，你將會發現圖表的右下角出現瞭一個小小的鏈接，寫著“Export to plot.ly（發佈到 plot.ly）”。如果你點擊這個鏈接，你將會跳轉到一個“圖表工坊”（https://plot.ly/create/）。
在這裡，你可以在最終展示之前進一步修改和潤色你的圖表。可以添加標註，選擇某些元素的顏色，把一切都整理清楚，生成一個超棒的圖表。之後，你還可以將它發佈到網絡上，生成一個供其他人查閱的鏈接。
下面兩張圖是在圖表工坊裡制作的：
講瞭這麼多，看都看累瞭吧？然而我們還並沒有窮盡這個庫的所有功能。限於篇幅，有些更棒的圖表和范例，隻好請大傢訪問 plotly 和 cufflinks 的官方文檔去一一查看咯。
最後 ……
從現在看來，要用 Python 語言實現以上功能的最佳選擇非 plotly 莫屬。它讓我們快速生成可視化圖表，交互功能使我們更好地理解信息。
我承認，繪圖絕對是數據科學工作中最讓人享受的部分，而 plotly 能讓你更加愉悅地完成這些任務。
2021 年是時候升級你的 Python 繪圖庫瞭，讓自己在數據科學和可視化方面變得更快、更強、更美吧！
技術交流
歡迎轉載、收藏、有所收獲點贊支持一下！
到此這篇關於最強Python可視化繪圖庫Plotly詳解用法的文章就介紹到這瞭,更多相關Python Plotly內容請搜索WalkonNet以前的文章或繼續瀏覽下面的相關文章希望大傢以後多多支持WalkonNet！
推薦閱讀：
- 聊聊.py和.ipynb的一些小知識
- 淺談哪個Python庫才最適合做數據可視化
- python數據可視化JupyterLab實用擴展程序Mito
- Python利用plotly繪制正二十面體詳解
- Python "手繪風格"數據可視化方法實例匯總