跳到主要内容

Plotly 交互可视化

问题​

Plotly 适合什么场景？如何创建交互式图表和数据看板？

答案​

Plotly 定位​

维度Matplotlib/SeabornPlotly
输出静态图片交互 HTML
操作无悬停、缩放、筛选
看板不支持Dash 框架
API命令式声明式
适用论文、脚本报告、Web、看板

Plotly Express（快速出图）​

Plotly Express 常用图表
import plotly.express as px
import pandas as pd

# 内置数据集
df = px.data.gapminder()
df_2007 = df[df['year'] == 2007]

# 1. 散点图（悬停显示国家信息）
fig = px.scatter(
    df_2007,
    x='gdpPercap', y='lifeExp',
    size='pop', color='continent',
    hover_name='country',
    log_x=True,
    title='2007 年全球 GDP vs 预期寿命'
)
fig.show()

# 2. 柱状图
top10 = df_2007.nlargest(10, 'pop')
fig = px.bar(
    top10, x='country', y='pop',
    color='continent',
    title='2007 年人口 Top 10'
)
fig.show()

# 3. 折线图（多国 GDP 趋势）
countries = ['China', 'United States', 'Japan', 'Germany']
fig = px.line(
    df[df['country'].isin(countries)],
    x='year', y='gdpPercap',
    color='country',
    title='人均 GDP 趋势'
)
fig.show()

高级图表​

特殊图表类型
import plotly.express as px
import plotly.graph_objects as go

# 1. 漏斗图
fig = px.funnel(
    pd.DataFrame({
        'stage': ['访问', '注册', '下单', '付款', '复购'],
        'count': [10000, 3000, 1500, 1200, 400]
    }),
    x='count', y='stage',
    title='用户转化漏斗'
)
fig.show()

# 2. 桑基图（流转路径）
fig = go.Figure(go.Sankey(
    node=dict(label=['首页', '列表页', '详情页', '购物车', '支付', '流失']),
    link=dict(
        source=[0, 0, 1, 1, 2, 2, 3, 3],
        target=[1, 5, 2, 5, 3, 5, 4, 5],
        value= [600, 400, 400, 200, 300, 100, 250, 50]
    )
))
fig.update_layout(title='用户行为路径')
fig.show()

# 3. 热力图
import numpy as np
fig = px.imshow(
    np.random.rand(7, 24),
    labels=dict(x='小时', y='星期', color='活跃度'),
    x=[f'{h}:00' for h in range(24)],
    y=['周一', '周二', '周三', '周四', '周五', '周六', '周日'],
    color_continuous_scale='YlOrRd',
    title='用户活跃热力图'
)
fig.show()

动画图表​

时间轴动画
import plotly.express as px

df = px.data.gapminder()

# 气泡图动画：按年份播放
fig = px.scatter(
    df,
    x='gdpPercap', y='lifeExp',
    size='pop', color='continent',
    hover_name='country',
    animation_frame='year',      # 动画帧
    animation_group='country',   # 追踪同一实体
    log_x=True,
    range_x=[100, 100000],
    range_y=[25, 90],
    title='全球发展动态（1952-2007）'
)
fig.show()

Graph Objects（精细控制）​

组合多类型图表
import plotly.graph_objects as go

months = ['1月', '2月', '3月', '4月', '5月', '6月']
revenue = [120, 135, 140, 155, 170, 180]
cost = [80, 85, 90, 95, 100, 105]
profit_rate = [33, 37, 36, 39, 41, 42]

fig = go.Figure()

# 柱状图：收入和成本
fig.add_trace(go.Bar(x=months, y=revenue, name='收入', marker_color='#2196F3'))
fig.add_trace(go.Bar(x=months, y=cost, name='成本', marker_color='#FF9800'))

# 折线图：利润率（次 Y 轴）
fig.add_trace(go.Scatter(
    x=months, y=profit_rate,
    name='利润率%', yaxis='y2',
    mode='lines+markers',
    line=dict(color='#4CAF50', width=3)
))

fig.update_layout(
    title='月度财务概览',
    yaxis=dict(title='金额（万元）'),
    yaxis2=dict(title='利润率(%)', overlaying='y', side='right'),
    barmode='group'
)
fig.show()

Dash 看板（简介）​

Dash 简易看板结构
# pip install dash
from dash import Dash, html, dcc
import plotly.express as px

app = Dash(__name__)

df = px.data.gapminder()

app.layout = html.Div([
    html.H1('全球数据看板'),
    dcc.Dropdown(
        id='continent-dropdown',
        options=[{'label': c, 'value': c} for c in df['continent'].unique()],
        value='Asia'
    ),
    dcc.Graph(id='scatter-plot'),
    dcc.Graph(id='line-plot')
])

# 回调函数根据筛选更新图表（略）
# @app.callback(Output('scatter-plot', 'figure'), Input('continent-dropdown', 'value'))

if __name__ == '__main__':
    app.run(debug=True)

常见面试问题​

Q1: Plotly 和 Matplotlib 怎么选？​

答案：

  • Matplotlib/Seaborn：论文、报告中需要静态高质量图
  • Plotly：需要交互（悬停、缩放、筛选）的场景
  • Plotly + Dash：需要搭建 Web 看板
  • 实际工作中两者经常搭配使用

Q2: 如何导出 Plotly 图表？​

答案：

# 交互 HTML（推荐）
fig.write_html('chart.html')

# 静态图片（需安装 kaleido）
fig.write_image('chart.png', scale=2)
fig.write_image('chart.svg')
fig.write_image('chart.pdf')

Q3: Plotly Express 和 Graph Objects 什么区别？​

答案：

  • Plotly Express (px)：高级接口，一行代码出图，接受 DataFrame
  • Graph Objects (go)：底层接口，精细控制每个元素
  • 通常先用 px 快速出图，需要深度定制时切换到 go

相关链接​