推薦：這才是你尋尋覓覓想要的 Python 可視化神器
Plotly Express 是一個(gè)新的高級(jí) Python 可視化庫(kù)：它是 Plotly.py 的高級(jí)封裝，它為復(fù)雜的圖表提供了一個(gè)簡(jiǎn)單的語(yǔ)法。
受 Seaborn 和 ggplot2 的啟發(fā)，它專(zhuān)門(mén)設(shè)計(jì)為具有簡(jiǎn)潔，一致且易于學(xué)習(xí)的 API ：只需一次導(dǎo)入，您就可以在一個(gè)函數(shù)調(diào)用中創(chuàng)建豐富的交互式繪圖，包括分面繪圖（faceting）、地圖、動(dòng)畫(huà)和趨勢(shì)線。它帶有數(shù)據(jù)集、顏色面板和主題，就像 Plotly.py 一樣。
Plotly Express 完全免費(fèi)：憑借其寬松的開(kāi)源 MIT 許可證，您可以隨意使用它（是的，甚至在商業(yè)產(chǎn)品中！）。
最重要的是，Plotly Express 與 Plotly 生態(tài)系統(tǒng)的其他部分完全兼容：在您的 Dash 應(yīng)用程序中使用它，使用 Orca 將您的數(shù)據(jù)導(dǎo)出為幾乎任何文件格式，或使用JupyterLab 圖表編輯器在 GUI 中編輯它們！
用 pip install plotly_express 命令可以安裝 Plotly Express。
使用 Plotly Express 輕松地進(jìn)行數(shù)據(jù)可視化
一旦導(dǎo)入Plotly Express（通常是 px ），大多數(shù)繪圖只需要一個(gè)函數(shù)調(diào)用，接受一個(gè)整潔的Pandas dataframe，并簡(jiǎn)單描述你想要制作的圖。如果你想要一個(gè)基本的散點(diǎn)圖，它只是 px.scatter（data，x =“column_name”，y =“column_name”）。
以下是 內(nèi)置的 Gapminder 數(shù)據(jù)集 的示例，顯示2007年按國(guó)家/地區(qū)的人均預(yù)期壽命和人均GDP 之間的趨勢(shì)：
import plotly_express as px
gapminder = px.data.gapminder()
gapminder2007 = gapminder.query('year == 2007')
px.scatter(gapminder2007, x='gdpPercap', y='lifeExp')
如果你想通過(guò)大陸區(qū)分它們，你可以使用 color 參數(shù)為你的點(diǎn)著色，由 px 負(fù)責(zé)設(shè)置默認(rèn)顏色，設(shè)置圖例等：
這里的每一點(diǎn)都是一個(gè)國(guó)家，所以也許我們想要按國(guó)家人口來(lái)衡量這些點(diǎn)...... 沒(méi)問(wèn)題：這里也有一個(gè)參數(shù)來(lái)設(shè)置，它被稱(chēng)為 size：
如果你好奇哪個(gè)國(guó)家對(duì)應(yīng)哪個(gè)點(diǎn)？可以添加一個(gè) hover_name ，您可以輕松識(shí)別任何一點(diǎn)：只需將鼠標(biāo)放在您感興趣的點(diǎn)上即可！事實(shí)上，即使沒(méi)有 hover_name ，整個(gè)圖表也是互動(dòng)的：
也可以通過(guò) facet_col =”continent“ 來(lái)輕松劃分各大洲，就像著色點(diǎn)一樣容易，并且讓我們使用 x軸 對(duì)數(shù)（log_x）以便在我們?cè)趫D表中看的更清晰：
也許你不僅僅對(duì) 2007年 感興趣，而且你想看看這張圖表是如何隨著時(shí)間的推移而演變的?？梢酝ㄟ^(guò)設(shè)置 animation_frame=“year” （以及 animation_group =“country” 來(lái)標(biāo)識(shí)哪些圓與控制條中的年份匹配）來(lái)設(shè)置動(dòng)畫(huà)。
在這個(gè)最終版本中，讓我們?cè)谶@里調(diào)整一些顯示，因?yàn)橄瘛癵dpPercap” 這樣的文本有點(diǎn)難看，即使它是我們的數(shù)據(jù)框列的名稱(chēng)。我們可以提供更漂亮的“標(biāo)簽” （labels），可以在整個(gè)圖表、圖例、標(biāo)題軸和懸停（hovers）中應(yīng)用。我們還可以手動(dòng)設(shè)置邊界，以便動(dòng)畫(huà)在整個(gè)過(guò)程中看起來(lái)更棒：
因?yàn)檫@是地理數(shù)據(jù)，我們也可以將其表示為動(dòng)畫(huà)地圖，因此這清楚地表明 Plotly Express 不僅僅可以繪制散點(diǎn)圖（不過(guò)這個(gè)數(shù)據(jù)集缺少前蘇聯(lián)的數(shù)據(jù)）。
事實(shí)上，Plotly Express 支持三維散點(diǎn)圖、三維線形圖、極坐標(biāo)和地圖上三元坐標(biāo)以及二維坐標(biāo)。條形圖（Bar）有二維笛卡爾和極坐標(biāo)風(fēng)格。
進(jìn)行可視化時(shí)，您可以使用單變量設(shè)置中的直方圖（histograms）和箱形圖（box）或小提琴圖（violin plots），或雙變量分布的密度等高線圖（density contours）。大多數(shù)二維笛卡爾圖接受連續(xù)或分類(lèi)數(shù)據(jù)，并自動(dòng)處理日期/時(shí)間數(shù)據(jù)?？梢圆榭次覀兊膱D庫(kù) (ref-3) 來(lái)了解每個(gè)圖表的例子。
可視化分布
數(shù)據(jù)探索的主要部分是理解數(shù)據(jù)集中值的分布，以及這些分布如何相互關(guān)聯(lián)。Plotly Express 有許多功能來(lái)處理這些任務(wù)。
使用直方圖（histograms），箱形圖（box）或小提琴圖（violin plots）可視化單變量分布：
直方圖：
箱形圖：
小提琴圖： 
還可以創(chuàng)建聯(lián)合分布圖（marginal rugs），使用直方圖，箱形圖（box）或小提琴來(lái)顯示雙變量分布，也可以添加趨勢(shì)線。Plotly Express 甚至可以幫助你在懸停框中添加線條公式和R2值！它使用 statsmodels 進(jìn)行普通最小二乘（OLS）回歸或局部加權(quán)散點(diǎn)圖平滑（LOWESS）。
顏色面板和序列
在上面的一些圖中你會(huì)注意到一些不錯(cuò)的色標(biāo)。在 Plotly Express 中， px.colors 模塊包含許多有用的色標(biāo)和序列：定性的、序列型的、離散的、循環(huán)的以及所有您喜歡的開(kāi)源包：ColorBrewer、cmocean 和 Carto 。我們還提供了一些功能來(lái)制作可瀏覽的樣本供您欣賞（ref-3）：
定性的顏色序列：
眾多內(nèi)置順序色標(biāo)中的一部分：
用一行 Python 代碼進(jìn)行交互式多維可視化
我們特別為我們的交互式多維圖表感到自豪，例如散點(diǎn)圖矩陣（SPLOMS）、平行坐標(biāo)和我們稱(chēng)之為并行類(lèi)別的并行集。通過(guò)這些，您可以在單個(gè)圖中可視化整個(gè)數(shù)據(jù)集以進(jìn)行數(shù)據(jù)探索。在你的Jupyter 筆記本中查看這些單行及其啟用的交互：
散點(diǎn)圖矩陣（SPLOM）允許您可視化多個(gè)鏈接的散點(diǎn)圖：數(shù)據(jù)集中的每個(gè)變量與其他變量的關(guān)系。數(shù)據(jù)集中的每一行都顯示為每個(gè)圖中的一個(gè)點(diǎn)。你可以進(jìn)行縮放、平移或選擇操作，你會(huì)發(fā)現(xiàn)所有圖都鏈接在一起！
平行坐標(biāo)允許您同時(shí)顯示3個(gè)以上的連續(xù)變量。dataframe 中的每一行都是一行。您可以拖動(dòng)尺寸以重新排序它們并選擇值范圍之間的交叉點(diǎn)。
并行類(lèi)別是并行坐標(biāo)的分類(lèi)模擬：使用它們可視化數(shù)據(jù)集中多組類(lèi)別之間的關(guān)系。
Plotly 生態(tài)系統(tǒng)的一部分
Plotly Express 之于 Plotly.py 類(lèi)似 Seaborn 之于 matplotlib：Plotly Express 是一個(gè)高級(jí)封裝庫(kù)，允許您快速創(chuàng)建圖表，然后使用底層 API 和生態(tài)系統(tǒng)的強(qiáng)大功能進(jìn)行修改。對(duì)于Plotly 生態(tài)系統(tǒng)，這意味著一旦您使用 Plotly Express 創(chuàng)建了一個(gè)圖形，您就可以使用Themes，使用 FigureWidgets 進(jìn)行命令性編輯，使用 Orca 將其導(dǎo)出為幾乎任何文件格式，或者在我們的 GUI JupyterLab 圖表編輯器中編輯它 。
主題（Themes）允許您控制圖形范圍的設(shè)置，如邊距、字體、背景顏色、刻度定位等。您可以使用模板參數(shù)應(yīng)用任何命名的主題或主題對(duì)象：
有三個(gè)內(nèi)置的 Plotly 主題可以使用， 分別是 plotly， plotlywhite 和 plotlydark
px 輸出繼承自 Plotly.py 的 Figure 類(lèi) ExpressFigure 的對(duì)象，這意味著你可以使用任何 Figure 的訪問(wèn)器和方法來(lái)改變 px生成的繪圖。例如，您可以將 .update（） 調(diào)用鏈接到 px 調(diào)用以更改圖例設(shè)置并添加注釋。 .update（） 現(xiàn)在返回修改后的數(shù)字，所以你仍然可以在一個(gè)很長(zhǎng)的 Python 語(yǔ)句中執(zhí)行此操作：
在這里，在使用 Plotly Express 生成原始圖形之后，我們使用 Plotly.py 的 API 來(lái)更改一些圖例設(shè)置并添加注釋。
能夠與 Dash 完美匹配
Dash 是 Plotly 的開(kāi)源框架，用于構(gòu)建具有 Plotly.py 圖表的分析應(yīng)用程序和儀表板。Plotly Express 產(chǎn)生的對(duì)象與 Dash 100％兼容，只需將它們直接傳遞到 dash_core_components.Graph，如下所示： dcc.Graph（figure = px.scatter（...））。這是一個(gè)非常簡(jiǎn)單的 50行 Dash 應(yīng)用程序的示例，它使用 px 生成其中的圖表：
這個(gè) 50 行的 Dash 應(yīng)用程序使用 Plotly Express 生成用于瀏覽數(shù)據(jù)集的 UI 。
設(shè)計(jì)理念：為什么我們創(chuàng)建 Plotly Express ？
可視化數(shù)據(jù)有很多原因：有時(shí)您想要提供一些想法或結(jié)果，并且您希望對(duì)圖表的每個(gè)方面施加很多控制，有時(shí)您希望快速查看兩個(gè)變量之間的關(guān)系。這是交互與探索的范疇。
Plotly.py 已經(jīng)發(fā)展成為一個(gè)非常強(qiáng)大的可視化交互工具：它可以讓你控制圖形的幾乎每個(gè)方面，從圖例的位置到刻度的長(zhǎng)度。不幸的是，這種控制的代價(jià)是冗長(zhǎng)的：有時(shí)可能需要多行 Python 代碼才能用 Plotly.py 生成圖表。
我們使用 Plotly Express 的主要目標(biāo)是使 Plotly.py 更容易用于探索和快速迭代。
我們想要構(gòu)建一個(gè)庫(kù)，它做出了不同的權(quán)衡：在可視化過(guò)程的早期犧牲一些控制措施來(lái)?yè)Q取一個(gè)不那么詳細(xì)的 API，允許你在一行 Python 代碼中制作各種各樣的圖表。然而，正如我們上面所示，該控件并沒(méi)有消失：你仍然可以使用底層的 Plotly.py 的 API 來(lái)調(diào)整和優(yōu)化用 Plotly Express 制作的圖表。
支持這種簡(jiǎn)潔 API 的主要設(shè)計(jì)決策之一是所有 Plotly Express 的函數(shù)都接受“整潔”的 dataframe 作為輸入。每個(gè) Plotly Express 函數(shù)都體現(xiàn)了dataframe 中行與單個(gè)或分組標(biāo)記的清晰映射，并具有圖形啟發(fā)的語(yǔ)法簽名，可讓您直接映射這些標(biāo)記的變量，如 x 或 y 位置、顏色、大小、 facet-column 甚至是 動(dòng)畫(huà)幀到數(shù)據(jù)框（dataframe）中的列。當(dāng)您鍵入 px.scatter（data，x ='col1'，y='col2'） 時(shí)，Plotly Express 會(huì)為數(shù)據(jù)框中的每一行創(chuàng)建一個(gè)小符號(hào)標(biāo)記 - 這就是 px.scatter 的作用 - 并將 “col1” 映射到 x 位置（類(lèi)似于 y 位置）。這種方法的強(qiáng)大之處在于它以相同的方式處理所有可視化變量：您可以將數(shù)據(jù)框列映射到顏色，然后通過(guò)更改參數(shù)來(lái)改變您的想法并將其映射到大小或進(jìn)行行分面（facet-row）。
接受整個(gè)整潔的 dataframe 的列名作為輸入（而不是原始的 numpy 向量）也允許 px 為你節(jié)省大量的時(shí)間，因?yàn)樗懒械拿Q(chēng)，它可以生成所有的 Plotly.py 配置用于標(biāo)記圖例、軸、懸?？?、構(gòu)面甚至動(dòng)畫(huà)幀。但是，如上所述，如果你的 dataframe 的列被笨拙地命名，你可以告訴 px 用每個(gè)函數(shù)的 labels 參數(shù)替換更好的。
僅接受整潔輸入所帶來(lái)的最終優(yōu)勢(shì)是它更直接地支持快速迭代：您整理一次數(shù)據(jù)集，從那里可以使用 px 創(chuàng)建數(shù)十種不同類(lèi)型的圖表，包括在 SPLOM 中可視化多個(gè)維度 、使用平行坐標(biāo)、在地圖上繪制，在二維、三維極坐標(biāo)或三維坐標(biāo)中使用等，所有這些都不需要重塑您的數(shù)據(jù)！
我們沒(méi)有以權(quán)宜之計(jì)的名義犧牲控制的所有方面，我們只關(guān)注您想要在數(shù)據(jù)可視化過(guò)程的探索階段發(fā)揮的控制類(lèi)型。您可以對(duì)大多數(shù)函數(shù)使用 category_orders 參數(shù)來(lái)告訴 px 您的分類(lèi)數(shù)據(jù)“好”、“更好”、“最佳” 等具有重要的非字母順序，并且它將用于分類(lèi)軸、分面繪制 和圖例的排序。您可以使用 color_discrete_map （以及其他 * _map 參數(shù)）將特定顏色固定到特定數(shù)據(jù)值（如果這對(duì)您的示例有意義）。當(dāng)然，你可以在任何地方重構(gòu) color_discrete_sequence 或 color_continuous_scale （和其他 *_sequence 參數(shù)）。
在 API 級(jí)別，我們?cè)?nbsp;px 中投入了大量的工作，以確保所有參數(shù)都被命名，以便在鍵入時(shí)最大限度地發(fā)現(xiàn)：所有 scatter -類(lèi)似的函數(shù)都以 scatter 開(kāi)頭（例如 scatter_polar， scatter_ternary）所以你可以通過(guò)自動(dòng)補(bǔ)全來(lái)發(fā)現(xiàn)它們。我們選擇拆分這些不同的散點(diǎn)圖函數(shù)，因此每個(gè)散點(diǎn)圖函數(shù)都會(huì)接受一組定制的關(guān)鍵字參數(shù)，特別是它們的坐標(biāo)系。也就是說(shuō)，共享坐標(biāo)系的函數(shù)集（例如 scatter， line ＆ bar，或 scatter_polar， line_polar 和 bar_polar ）也有相同的參數(shù)，以最大限度地方便學(xué)習(xí)。我們還花了很多精力來(lái)提出簡(jiǎn)短而富有表現(xiàn)力的名稱(chēng)，這些名稱(chēng)很好地映射到底層的 Plotly.py 屬性，以便于在工作流程中稍后調(diào)整到交互的圖表中。
最后，Plotly Express 作為一個(gè)新的 Python 可視化庫(kù)，在 Plotly 生態(tài)系統(tǒng)下，將會(huì)迅速發(fā)展。所以不要猶豫，立即開(kāi)始使用 Plotly Express 吧！
PS：公號(hào)內(nèi)回復(fù)「Python」即可進(jìn)入Python 新手學(xué)習(xí)交流群，一起 100 天計(jì)劃！
老規(guī)矩，兄弟們還記得么，右下角的 “在看” 點(diǎn)一下，如果感覺(jué)文章內(nèi)容不錯(cuò)的話，記得分享朋友圈讓更多的人知道！
