Python 可视化：Plotly 库使用基础

当使用 Plotly 进行数据可视化时，我们可以通过以下示例展示多种绘图方法，每个示例都会有详细的注释和说明。

1.创建折线图

import plotly.graph_objects as go

# 示例1: 创建简单的折线图
x = [1, 2, 3, 4, 5]
y = [10, 15, 13, 17, 20]

# 创建折线图
fig = go.Figure(data=go.Scatter(x=x, y=y, mode='lines+markers', name='数据线'))

# 设置图形布局
fig.update_layout(
    title='示例折线图',
    xaxis_title='X轴标签',
    yaxis_title='Y轴标签',
    showlegend=True
)

# 显示图形
fig.show()

在这个示例中，我们使用 Plotly 创建了一个简单的折线图，使用了不同的参数来自定义线条的样式和标记。我们还设置了图形的标题、轴标签和图例，以增强图形的可读性。

2.创建散点图

# 示例2: 创建散点图
x = [1, 2, 3, 4, 5]
y = [10, 15, 13, 17, 20]

# 创建散点图
fig = go.Figure(data=go.Scatter(x=x, y=y, mode='markers', marker=dict(color='red'), name='散点数据'))

# 设置图形布局
fig.update_layout(
    title='示例散点图',
    xaxis_title='X轴标签',
    yaxis_title='Y轴标签',
    showlegend=True
)

# 显示图形
fig.show()

这个示例展示了如何使用 Plotly 创建一个简单的散点图，使用了不同的参数来自定义散点的样式和颜色。同样，我们设置了图形的标题、轴标签和图例。

3.创建柱状图

import plotly.express as px

# 示例3: 创建柱状图
categories = ['A', 'B', 'C', 'D', 'E']
values = [30, 45, 60, 25, 50]

# 创建柱状图
fig = px.bar(x=categories, y=values, color=categories, title='示例柱状图')

# 设置图形布局
fig.update_layout(
    xaxis_title='类别',
    yaxis_title='值',
    showlegend=True
)

# 显示图形
fig.show()

在这个示例中，我们使用 Plotly 创建了一个柱状图，设置了柱子的颜色和图例，并添加了标题、轴标签。

4.创建多子图

import plotly.figure_factory as ff
import numpy as np

# 示例4: 创建多子图
x = np.linspace(0, 2 * np.pi, 100)
y1 = np.sin(x)
y2 = np.cos(x)

# 创建包含两个子图的图形
fig = make_subplots(rows=2, cols=1, subplot_titles=('正弦函数', '余弦函数'))

# 在第一个子图中绘制正弦函数
fig.add_trace(go.Scatter(x=x, y=y1, mode='lines', name='sin(x)'), row=1, col=1)

# 在第二个子图中绘制余弦函数
fig.add_trace(go.Scatter(x=x, y=y2, mode='lines', name='cos(x)'), row=2, col=1)

# 设置图形布局
fig.update_layout(
    showlegend=True
)

# 显示图形
fig.show()

这个示例演示了如何使用 Plotly 创建包含两个子图的图形，每个子图都有自己的标题和图例。我们使用了 make_subplots 来创建多子图，然后在每个子图上绘制不同的函数。

这些示例涵盖了使用 Plotly 进行数据可视化的基本用法，从简单的折线图和散点图到多子图的复杂示例。你可以根据自己的需求进一步探索 Plotly 的功能，以创建各种类型的图形和可视化分析。