Plotly简介

Plotly是用于机器学习、数据挖掘等领域的数据可视化包。

其图标视觉效果简洁大气，可互动性强，成为我工作中进行数据可视化的一大利器，接下来我们就从最简单的折线图，带领大家逐渐入门plotly。

1. 事先准备

为了方便学习，此处列出两种可以快速使用Plotly的方法。

网络ipynb环境，如colab，datalore等本地ipynb环境，python + jupyter + plotly

注：此教程并不讲解python环境管理相关内容

1.1 网络ipynb环境

推荐使用 jetbrains 公司推出的：Datalore

点击上面的链接，使用 jetbrains 账户，即可享受免费的 cpu、gpu 资源。Plotly已经预装在其环境中可直接调用，而且自带代码补全功能，十分强大（强力安利）

1.2 本地ipynb环境

本地的话需要使用pip安装一下包：

numpyplotlyjupyter

2. 绘制折线图

本片教程，将以折线图的形式来展现一名同学的成绩数据，并包含如何设置标题、添加标签等功能。

2.1 数据准备

我们假设小明每个月考一次数学，那么在这步中，我们使用numpy随机生成小明12次考试的成绩，并打印出来

import numpy as npmonth_list = [i + 1 for i in range(12)]score_list = np.random.randint(0, 100, 12)print("考试月份：", month_list)print("考试分数：", score_list)------>>> 考试月份： [1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12]>>> 考试分数： [22 32 43 61 59 59 1 36 22 14 48 41]

2.2 基本用法

我们先编写以下代码，不明白没关系，详细解释都在代码注释中。

import plotly.graph_objects as go# 引入plotly底层绘图库fig = go.Figure()# 声明fig为一个图表fig.add_trace(go.Scatter(# 通过add_trace，往图表中加入折线。折线是go.Scatter类x=month_list,# 声明scatter的x轴数据，月份y=score_list# 声明scatter的y轴数据，成绩))fig.show()# 展示图表

得到下图

这张图表已经看起来还行了，但是还是缺少一些元素，比如标题，坐标名字等，我们这就加上！

2.3 添加标题、坐标、图示等

我们更新上面的代码为：

import plotly.graph_objects as gofig = go.Figure()fig.add_trace(go.Scatter(x=month_list,y=score_list))fig.update_layout(title="小明成绩单",xaxis=dict(title="month"),yaxis=dict(title="score"),width=800,height=500)fig.show()

知识点：通过fig.update_layout()来更新图表的排版

说明一下其中参数的作用

title设定了标题；xaxis设定了x轴相关参数yaxis设定了y轴相关参数width, height设定了画布大小

update_layout中还可以更新很多东西，这里我们指修改了最基本的。

回到图表上，我们的图看起来不够直观，具体成绩的数字没有体现出来。为此，我们简单修改一下代码。

2.4 为折线增加数据

更新代码为以下的样子。

import plotly.graph_objects as gofig = go.Figure()fig.add_trace(go.Scatter(x=month_list,y=score_list,mode="markers+lines+text",# << 新增代码text=score_list,# << 新增代码textposition="top center" # << 新增代码))fig.update_layout(title="小明成绩单",xaxis=dict(title="month"),yaxis=dict(title="score"),width=500,height=500)fig.show()

知识点：scatter 中的mode设置了折线图显示 lines折线、markers点、text数据。可以任意组合，使用加号连接

我们的数据已经显示出来了，但是横坐标月份省略了很多，而且我们不知道坐标轴有没有对其。因此我们更新一下fig.update_layout()部分：

# ...省略上面的重复代码fig.update_layout(title="小明成绩单",xaxis=dict(title="month", nticks=13),yaxis=dict(title="score", nticks=11, rangemode="tozero", range=(0,100)),width=500,height=500)fig.show()

其中nticks设置了要画多少个刻度线，因为考虑到0也是有刻度的，因此x轴的刻度线数量为12+1=13

同理y轴以10分为一档，绘制11条刻度线。

第二个新增的参数为rangemode，这里的设置使y轴的0刻度对其最下侧

第三个参数就好理解了，我们通过设置range来确定显示的成绩范围为0-100分。

最终效果图如下：

2.5 多折线与图示

假设之前的成绩为小明的数学，接下来，我们为他添加语文和英语成绩：

数据生成部分

import numpy as npmonth_list = [i + 1 for i in range(12)]math_list = np.random.randint(0, 100, 12)chinese_list = np.random.randint(0, 100, 12)english_list = np.random.randint(0, 100, 12)print("考试月份：", month_list)print("数学分数：", math_list)print("语文分数：", chinese_list)print("英语分数：", english_list)---考试月份： [1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12]数学分数： [42 13 59 92 60 26 75 33 66 8 74 34]语文分数： [64 71 71 18 87 44 18 45 1 7 83 55]英语分数： [25 53 82 26 36 20 8 69 56 43 9 56]

图表生成部分: 我们照猫画虎，多添加两条折线图

import plotly.graph_objects as gofig = go.Figure()fig.add_trace(go.Scatter(x=month_list,y=math_list,mode="markers+lines+text",text=math_list, textposition="top center" ))fig.add_trace(go.Scatter(x=month_list,y=chinese_list,mode="markers+lines+text",text=chinese_list, textposition="top center" ))fig.add_trace(go.Scatter(x=month_list,y=english_list,mode="markers+lines+text",text=english_list, textposition="top center" ))fig.update_layout(title="小明成绩单",xaxis=dict(title="month", nticks=13),yaxis=dict(title="score", nticks=11, rangemode="tozero", range=(0,100)),width=1000,height=500)fig.show()

图表，效果如下

可以看到右侧出现了图示，但是没有显示具体的科目，于是我们在每个scatter中添加name属性：

# ...省略代码fig.add_trace(go.Scatter(name="Math",# ! <<< 添加这行x=month_list,y=math_list,mode="markers+lines+text",text=math_list, textposition="top center" ))# ...下面的scatter也添加各自的name属性

可以看到，右侧的图示已经显示了相应的学科。至此，我们的折线图表绘制完成了。

2.6 图表的主题风格

我们还能通过设置fig.update_layout()中的template属性来轻松的变化图表风格，比如

# ..... 省略代码fig.update_layout(title="小明成绩单",xaxis=dict(title="month", nticks=13),yaxis=dict(title="score", nticks=11, rangemode="tozero", range=(0,100)),width=1000,height=500,template="simple_white" # ! <<<设置这一行)fig.show()

通过设置template属性为simple_white，我们得到了以下图表，更多的主题可以搜索官方文档。

3. 总结

以上就是使用ploty绘制折线图的基本方法了，我们学习了

如何声明一个图表如何设置折线图的数据如何设置横纵坐标、范围等如何设置图表大小如何在折线图上显示数据如何更换图表风格

感谢您的耐心阅读，我们下一讲将学习如何绘制条形图Bar Chart。

敬请期待！