【Python】Plotly 库：创建交互式、可视化的图表（如折线图、散点图、柱状图、3D 图等）

Plotly 是一个功能强大的 Python 库，用于创建交互式、可视化的图表，适用于数据分析、科学计算和仪表板开发。它支持多种图表类型（如折线图、散点图、柱状图、3D 图等），并生成可在浏览器中交互的 HTML 图表。Plotly 的子模块 plotly.express 提供了简洁的高层次 API，适合快速绘图，而 plotly.graph_objects 则提供更精细的控制。Plotly 图表可以导出为静态图像、嵌入 Web 应用，或与 Dash 和 Streamlit 集成。

以下是对 Plotly 库的详细介绍，包括其功能、用法和实际应用。

---

1. Plotly 库的作用

• 交互式可视化：生成支持缩放、悬停、点击等交互的图表。
• 多平台支持：图表可在 Jupyter Notebook、Web 浏览器、VS Code 中显示。
• 丰富图表类型：支持 2D、3D、地理、统计、财务等多种图表。
• 易于集成：与 Pandas、NumPy、Streamlit、Dash 等库无缝协作。
• 导出与共享：支持导出为 PNG、PDF、HTML，或通过 Plotly Chart Studio 分享。

---

2. 安装与环境要求

• Python 版本：支持 Python 3.6+（推荐 3.8+）。
• 依赖：
  • numpy：数值计算。
  • pandas：数据处理。
  • tenacity：重试逻辑。
• 安装命令：

  pip install plotly
  

• Jupyter 支持（可选）：

  pip install jupyterlab
  jupyter labextension install jupyterlab-plotly
  

• 导出静态图像（需安装 kaleido）：

  pip install kaleido
  

• 验证安装：

  import plotly
  print(plotly.__version__)  # 示例输出: 5.24.1
  

---

3. 核心功能与用法

Plotly 提供两个主要接口：plotly.express（高层次，快速绘图）和 plotly.graph_objects（低层次，精细控制）。以下是主要功能和示例。

3.1 Plotly Express（快速绘图）

plotly.express 提供简洁的 API，适合快速生成常见图表。

import plotly.express as px
import pandas as pd

# 示例数据
df = pd.DataFrame({
    "x": [1, 2, 3, 4],
    "y": [10, 15, 13, 17],
    "category": ["A", "B", "A", "B"]
})

# 折线图
fig = px.line(df, x="x", y="y", color="category", title="Line Chart")
fig.show()

说明：

• px.line：绘制折线图，color 指定分组。
• fig.show()：在浏览器或 Jupyter 中显示交互式图表。

散点图：

fig = px.scatter(df, x="x", y="y", color="category", size="y", title="Scatter Plot")
fig.show()

柱状图：

fig = px.bar(df, x="x", y="y", color="category", title="Bar Chart")
fig.show()

3.2 Graph Objects（精细控制）

plotly.graph_objects 提供更灵活的配置，适合复杂图表。

import plotly.graph_objects as go

# 创建图表
fig = go.Figure()
fig.add_trace(go.Scatter(x=df["x"], y=df["y"], mode="lines+markers", name="Data"))
fig.update_layout(
    title="Custom Line Chart",
    xaxis_title="X Axis",
    yaxis_title="Y Axis",
    template="plotly_dark"
)
fig.show()

说明：

• go.Scatter：添加折线/散点轨迹。
• update_layout：设置标题、轴标签、主题等。

3.3 3D 图表

支持 3D 散点图、表面图等。

import plotly.express as px
import numpy as np

# 示例数据
z = np.random.rand(10, 10)
fig = px.imshow(z, title="Heatmap")
fig.show()

# 3D 散点图
df = px.data.iris()
fig = px.scatter_3d(df, x="sepal_length", y="sepal_width", z="petal_length", color="species")
fig.show()

说明：

• px.imshow：绘制热图。
• px.scatter_3d：绘制 3D 散点图。

3.4 地理图表

支持地图和地理数据可视化。

import plotly.express as px

# 示例数据
df = px.data.gapminder().query("year == 2007")
fig = px.scatter_geo(
    df,
    locations="iso_alpha",
    size="pop",
    color="continent",
    hover_name="country",
    title="World Population"
)
fig.show()

说明：

• px.scatter_geo：绘制全球散点图，locations 使用 ISO 国家代码。

3.5 交互功能

Plotly 图表支持以下交互：

• 缩放：拖动或滚轮调整视图。
• 悬停：显示数据点详情。
• 点击：触发事件（需 JavaScript 或 Dash 集成）。
• 下载：点击图表工具栏的相机图标保存 PNG。

fig = px.line(df, x="x", y="y")
fig.update_traces(hovertemplate="X: %{x}
Y: %{y}")
fig.show()

说明：

• hovertemplate：自定义悬停提示。

3.6 导出与保存

将图表保存为文件或嵌入 HTML。

# 保存为 PNG
fig.write_image("chart.png")

# 保存为 HTML
fig.write_html("chart.html")

# 保存为 JSON
fig.write_json("chart.json")

说明：

• write_image 需安装 kaleido。
• write_html 生成独立 HTML 文件，可嵌入网站。

---

4. 性能与特点

• 高效性：基于 JavaScript 的 WebGL 渲染，适合大数据可视化。
• 交互性：支持动态交互，无需额外配置。
• 跨平台：图表可在本地、云端、Jupyter 中一致显示。
• 局限性：
  • 大型数据集（>10万点）可能导致渲染缓慢，需降采样。
  • 复杂 3D 图表对浏览器性能要求较高。
• 主题支持：内置主题（如 plotly、plotly_dark、seaborn）。

---

5. 实际应用场景

• 数据分析：探索性数据分析（EDA），展示趋势和分布。
• 仪表板：与 Streamlit 或 Dash 集成，构建交互式仪表板。
• 科学研究：可视化实验数据（如物理、生物学）。
• 商业报告：生成动态报告，嵌入 PowerPoint 或网页。
• 机器学习：展示模型性能（如 ROC 曲线、混淆矩阵）。

示例（Streamlit 集成）：

import streamlit as st
import plotly.express as px
import pandas as pd

st.title("Interactive Plotly Dashboard")

# 数据
df = pd.DataFrame({
    "x": range(10),
    "y": [2, 4, 1, 5, 3, 6, 2, 7, 4, 8]
})

# 交互控件
chart_type = st.selectbox("Chart Type", ["Line", "Scatter"])
if chart_type == "Line":
    fig = px.line(df, x="x", y="y")
else:
    fig = px.scatter(df, x="x", y="y")
st.plotly_chart(fig)

说明：

• 用户选择图表类型，动态更新 Plotly 图表。

---

6. 部署与共享

• 本地运行：
  • fig.show() 在浏览器显示图表。
• Jupyter Notebook：

  import plotly.io as pio
  pio.renderers.default = "notebook"
  fig.show()
  

• Dash 集成：

  from dash import Dash, dcc, html
  app = Dash(__name__)
  app.layout = html.Div([dcc.Graph(figure=fig)])
  app.run_server(debug=True)
  

• Chart Studio（云共享）：

  import plotly.io as pio
  pio.write_to_plotly(fig, filename="my-chart")
  

  • 需注册 Plotly 账户并设置 API 密钥：

    import plotly
    plotly.tools.set_credentials_file(username="your_username", api_key="your_api_key")
    

---

7. 注意事项

• 性能：
  • 大数据集建议使用 plotly.express 的 render_mode="webgl"：

    fig = px.scatter(df, x="x", y="y", render_mode="webgl")
    

  • 避免在循环中频繁调用 fig.show()。
• 兼容性：
  • 确保 plotly 和可视化库（如 pandas）版本兼容。
  • 最新版本（截至 2025，5.24.1）支持更多功能。
• 浏览器支持：
  • 某些 3D 图表在旧浏览器可能渲染不佳。
• 导出问题：
  • 静态图像导出需 kaleido，可能因字体或系统配置报错。
• 学习曲线：
  • plotly.express 简单易学，graph_objects 需熟悉对象结构。

---

8. 综合示例

以下是一个综合示例，展示多种图表类型和交互功能：

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

st.title("Plotly Visualization Dashboard")

# 示例数据
df = px.data.gapminder().query("year == 2007")

# 选择图表类型
chart_type = st.selectbox("Select Chart Type", ["Scatter", "Bar", "Geo"])

if chart_type == "Scatter":
    fig = px.scatter(
        df,
        x="gdpPercap",
        y="lifeExp",
        size="pop",
        color="continent",
        hover_name="country",
        log_x=True,
        title="GDP vs Life Expectancy"
    )
elif chart_type == "Bar":
    fig = px.bar(
        df,
        x="continent",
        y="pop",
        color="continent",
        title="Population by Continent"
    )
else:
    fig = px.scatter_geo(
        df,
        locations="iso_alpha",
        size="pop",
        color="continent",
        hover_name="country",
        title="World Population Map"
    )

# 自定义布局
fig.update_layout(
    template="plotly_dark",
    xaxis_title="X Axis",
    yaxis_title="Y Axis"
)

# 显示图表
st.plotly_chart(fig)

# 保存选项
if st.button("Save as PNG"):
    fig.write_image("chart.png")
    st.write("Chart saved as chart.png")

说明：

• 用户选择图表类型（散点图、柱状图、地理图）。
• 图表使用暗主题，支持悬停和缩放。
• 提供保存为 PNG 的功能。

---

9. 资源与文档

• 官方文档：https://plotly.com/python/
• GitHub 仓库：https://github.com/plotly/plotly.py
• PyPI 页面：https://pypi.org/project/plotly/
• Plotly Express 教程：https://plotly.com/python/plotly-express/
• Dash 文档：https://dash.plotly.com/
• 社区论坛：https://community.plotly.com/