數(shù)據(jù)科學(xué)系列：plotly可視化入門介紹

plotly繪圖簡(jiǎn)潔高效可交互，值得一試！

plotly支持多語言平臺(tái)

所以但是，為啥plotly不效仿Python中眾多第三方庫(kù)的做法，直接命名為pyplotly呢？畢竟這樣的先例不在少數(shù)，例如pyecharts，pymysql，pytorch等。

進(jìn)一步地，為什么在掌握了matplotlib和seaborn這兩個(gè)近乎可以完成所有繪圖需求之后，還要另外花費(fèi)學(xué)習(xí)成本來上手plotly呢？或者說，plotly有哪些核心優(yōu)勢(shì)或者不可替代的地方？簡(jiǎn)言之：可交互性！是的，plotly的繪圖是支持交互的，而這是matplotlib和seaborn所不具備的（更嚴(yán)謹(jǐn)?shù)卣f，只是默認(rèn)情況下不可交互）。

plotly作為一個(gè)可視化庫(kù)，當(dāng)然是能用來畫圖了，而且是多種豐富樣式的圖。所幸，這里不妨直接引用plotly官網(wǎng)的介紹：

The?plotly?Python?library?is?an?interactive, open-source plotting library that supports over 40 unique chart types covering a wide range of statistical, financial, geographic, scientific, and 3-dimensional use-cases.

幾個(gè)關(guān)鍵字是：開源、可交互、支持40余種圖表類型，涵蓋統(tǒng)計(jì)、金融、地理、科學(xué)和3D圖表。

統(tǒng)計(jì)和科學(xué)圖表系列

金融和地理圖表系列

AI科學(xué)系列

更多的圖表類型可以查看官網(wǎng)，簡(jiǎn)而言之，plotly功能還是齊全且強(qiáng)大的。

既然本文定位為入門介紹系列，那么肯定是要介紹一下如何使用和上手的。

首先，python中安裝plotly庫(kù)的流程非常簡(jiǎn)單，且依賴很少（通過pip show plotly發(fā)現(xiàn)，其只有2個(gè)依賴包），無論是pip還是conda都可通過常規(guī)的install方式快速完成安裝。

除上述subfolder，plotly另有若干獨(dú)立.py文件

具體而言，應(yīng)用plotly進(jìn)行可視化時(shí)一般會(huì)涉及以下子模塊：

• express: plotly中用于可視化的高級(jí)API

• graph_objects: 底層繪圖接口，包含了所有圖表對(duì)象和布局（graph_objs與其是同名包）

• io: 底層接口，用于展示和讀寫圖表

• colors: 用于配置圖表顏色相關(guān)

• data: 提供了一些內(nèi)置的數(shù)據(jù)集加載功能，例如iris、tips數(shù)據(jù)集

• plotly.graph_objects是底層API，是一種面向?qū)ο蟮睦L圖風(fēng)格，定義了plotly中的所有圖表對(duì)象（graph_objects翻譯過來，不就是圖表對(duì)象的意思嗎，真·簡(jiǎn)單粗暴！），并提供了相近的布局設(shè)置功能（layout），類似于matplotlib的角色；
  

• plotly.express是高層API，是一種函數(shù)式的繪圖風(fēng)格，繪圖的過程就是指定函數(shù)各個(gè)參數(shù)的過程，提供了更為簡(jiǎn)潔和方便的繪圖功能。如果說前者類似于matplotlib，那么plotly.express就妥妥的相當(dāng)于seaborn的角色！

好家伙，plotly自己還要定義兩套繪圖風(fēng)格，真的是要替代matplotlib+seaborn的江湖地位嗎？但對(duì)于使用者來說，或許是喜聞樂見的——需要快速簡(jiǎn)潔，就用plotly.express；需要個(gè)性化定制，則用plotly.graph_objects。

1）使用底層API——graph_objects

graph_objects之所以叫底層API，是因?yàn)楸┞读烁嗟睦L圖細(xì)節(jié)和參數(shù)，但這利弊各半。一般來說，基于graph_objects子模塊繪圖主要分三步：

• 選定一個(gè)圖表對(duì)象（graph_object），并配置要繪圖的數(shù)據(jù)，例如x和y數(shù)據(jù)；圖表的屬性，例如標(biāo)題、線型等

• 設(shè)定一些布局（layout），并配置布局參數(shù)，例如圖片尺寸、標(biāo)題等

• 創(chuàng)建一個(gè)Figure對(duì)象，并接收前兩步得到的圖表對(duì)象和布局對(duì)象，而后show出來

import?plotly.graph_objects?as?go??#?標(biāo)準(zhǔn)引用格式，一般簡(jiǎn)寫為：go
import?plotly.express?as?px??#?標(biāo)準(zhǔn)引用格式，一般簡(jiǎn)寫為：px
tips?=?px.data.tips()??# plotly內(nèi)置數(shù)據(jù)集：tips

#?使用graph_objects繪圖流程需要三步
line?=?go.Scatter(x=tips['total_bill'],?y=tips['tip'],?mode='markers')??#?①?創(chuàng)建圖表對(duì)象
layout?=?go.Layout(autosize=False,?width=900,?height=600, title='tips')??#?②?創(chuàng)建布局對(duì)象
go.Figure(data=line?,layout=layout).show()??#?創(chuàng)建Figure，接收?qǐng)D表和布局，并加以顯示

2）使用高級(jí)API——express

import?plotly.graph_objects?as?go??#?標(biāo)準(zhǔn)引用格式，一般簡(jiǎn)寫為：go
import?plotly.express?as?px??#?標(biāo)準(zhǔn)引用格式，一般簡(jiǎn)寫為：px
tips?=?px.data.tips()??# plotly內(nèi)置數(shù)據(jù)集：tips

#?使用express繪圖只需要調(diào)用一個(gè)函數(shù)
px.scatter(tips,?x='total_bill',?y='tip',?width=900,?height=600,?title='tips').show()

是不是有seaborn那個(gè)味道了。。？

另外值得補(bǔ)充的兩點(diǎn)：

1）plotly提供了將一個(gè)matplotlib繪圖轉(zhuǎn)化為plotly繪圖的接口，一定程度上使得混合使用兩個(gè)可視化庫(kù)更為順滑，但具體使用體驗(yàn)有待嘗試；

相關(guān)閱讀：

• 寫在1024：一名數(shù)據(jù)分析師的修煉之路
  

• 數(shù)據(jù)科學(xué)系列：sklearn庫(kù)主要模塊簡(jiǎn)介
  

• 數(shù)據(jù)科學(xué)系列：seaborn入門詳細(xì)教程
  

• 數(shù)據(jù)科學(xué)系列：pandas入門詳細(xì)教程

• 數(shù)據(jù)科學(xué)系列：matplotlib入門詳細(xì)教程

• 數(shù)據(jù)科學(xué)系列：numpy入門詳細(xì)教程