交互式图表：使用 Python Plotly 轻松学习数据可视化

我们都曾有过这样的经历：绞尽脑汁试图弄懂复杂的数据，结果却错过了关键点。 交互式图表耶！如果您只需点击数据、放大并提取所需的信息，那岂不是太棒了？

今天，我们为您带来 Python 如何使用 Plotly 进行可视化本文结束后，你就可以探索数据可视化的新世界了。

什么是交互式图表？

交互式图表使用 允许用户直接与图表互动的数据可视化工具是的，不只是显示结果，而是帮助用户探索数据，发现隐藏的模式。

主要特点
  • 缩放：拖动或使用鼠标滚轮将图形调整到所需大小。
  • 显示工具提示：将鼠标悬停在特定数据点上时显示数值。
  • 筛选： 只显示或隐藏选定的数据。
  • 选择数据：拖动选择要高亮显示的数据。

从现在起，我们将使用 Plotly 创建自己的图表，就像这样！

Plotly 库概览

Plotly 是一个适用于 Python 的高级交互式数据可视化库，可轻松创建动态响应的图形和图表。

主要特点

  • 交互式可视化图表：创建动态图表，允许用户与图表互动
  • 不同的图表类型支持 40 多种图表类型：折线图、散点图、条形图、饼图、3D 图表等。
  • 基于网络功能：在网络浏览器中显示基于 D3.js 的可视化效果
  • 支持多种平台支持与多个平台（包括 Jupyter 笔记本）集成

应用

  • 数据分析：直观地浏览复杂的数据集
  • 商业智能信息：使用它创建动态仪表板
  • 科学研究目标：可视化实验结果和统计数据
  • 财务分析表示股票图表等财务数据

优点

  • 高度可定制：可微调图形
  • 响应式设计优化在不同设备上的显示
  • 支持多种语言支持：R、Python、Julia、JavaScript 等。

Plotly 是一款功能强大的工具，为数据可视化开辟了新天地。 它的交互性和多种功能可帮助您更有效地交流和分析数据。

安装和使用 Plotly

Plotly是一个专为在 Python 中创建交互式图形而优化的库。 我们先来安装它。 使用下面的命令可以安装 Python plotly 库。

pip install plotly
파이썬 Plotly 설치 결과 이미지
(Python Plotly 安装结果）

准备就绪后，让我们开始绘制一些基本图形。

使用 Plotly 绘制基本交互式图表

现在，让我们使用实际的 Python plotly 库实现一个基本的交互式图形。 我们的目标是生成一个散点图。

将 plotly.express 导入 px

加载 # 样本数据
iris = px.data.iris()

创建 # 散点图
fig = px.scatter(iris, x="sepal_width", y="sepal_length", color="species"、
                 title="鸢尾萼片宽度与长度")

显示 # 图表
fig.show()

🔹 代码评注

  1. 将 plotly.express 导入 px: plotly.express是一个模块，可让您用简单的代码创建功能强大的交互式图表。
  2. px.data.iris()：加载 Plotly 内置的虹膜数据集。
  3. px.scatter您可以指定坐标轴和颜色，自定义数据可视化。
  4. fig.show()：在浏览器中显示交互式图表。
인터랙티브 그래프 구현 결과 이미지
(互动图形实施结果图片）

高级图形：使用 Plotly 图形对象

plotly.graph_objects我们将使用下面的代码创建一个结合标记和线条的高级图表。

将 plotly.graph_objects 导入 go

创建 # 数据
fig = go.Figure()
fig.add_trace(go.Scatter(x=[1, 2, 3, 4], y=[10, 11, 12, 13]、
                         mode='markers+lines'、
                         marker=dict(size=10, color='blue')、
                         name='样本数据'))

设置 # 布局
fig.update_layout(title="Markers and Lines Example"、
                  xaxis_title="X 轴"、
                  yaxis_title="Y-axis")

fig.show()

🔹 代码评注

  1. go.Figure()：初始化图形对象。
  2. add_trace：为图表添加一层数据。在这里，我们将散点图与折线图相结合。
  3. marker=dict(...):设置标记的大小和颜色。
  4. 更新布局：设置图形标题和坐标轴标签。
  5. fig.show()：在网络浏览器中显示交互式图表。
파이썬 plotly 이용 고급 그래프 이미지
(结合标记和线条的高级图形）

地理可视化：纵横图

在 Plotly 中使用地图进行可视化也很容易，让我们尝试更高级的方法。 让我们在地图上绘制世界 GDP 数据。

将 plotly.express 导入 px

data = px.data.gapminder().query("year == 2007")

fig = px.choropleth(data, locations="iso_alpha"、
                    color="gdpPercap"、
                    hover_name="国家"、
                    title="2007 年全球国内生产总值")

fig.show()

🔹 代码评注

  1. px.data.gapminder()筛选：筛选 Gapminder 数据集中的 2007 年数据。
  2. px.choropleth地图：生成纵横地图。用颜色标记国家，以便于数据比较。
  3. locations="iso_alpha"指定 ISO 代码格式的国家。
  4. color="gdpPercap"彩色：用彩色表示国内生产总值数据。
  5. hover_name="国家":设置鼠标悬停时显示的国家名称。
지리 정보 시각화 - Choropleth Map
( 地理可视化 - 肖普地图 )

结论：交互式图表的力量

交互式图表可以让你探索数据，而不仅仅是观察数据，它改变了数据分析的模式，而 Python 的 Plotly 可以让任何人轻松快速地创建交互式图表。利用今天所学的知识，让你的数据栩栩如生！

如果您觉得这篇文章让您不知所措，让我们先从简单的开始。 用 Python 折线图直观显示《租金保护法》优先付款趋势（2025 年） 通过本帖学习基本图形绘制！

类似文章