详解Python可视化神器Plotly，用简单代码，绘制出更好的图表。_plotly在线编译器

---

前言

学习Python是做数分析的最基础的一步，数据分析离不开数据可视化。Python第三方库中我们最常用的可视化库是 pandas，matplotlib，pyecharts， 当然还有 Tableau，另外最近在学习过程中发现另一款可视化神器-Plotly，它是一款用来做数据分析和可视化的在线平台，功能非常强大, 可以在线绘制很多图形比如条形图、散点图、饼图、直方图等等。除此之外，它还支持在线编辑，以及多种语言 python、javascript、matlab、R等许多API。它在python中使用也非常简单，直接用pip install plotly 安装好即可使用。本文将结合 plotly 库在 jupyter notebook 中来进行图形绘制。

使用 Plotly 可以画出很多媲美Tableau的高质量图，如下图所示：

折线点图

折现点图画图步骤如下：首先在 Pycharm 界面输入 jupyter notebook后进入网页编辑界面，新建一个文件，导入相应的包即可进行图形绘制：

\# import pkg
from plotly.graph\_objs import Scatter,Layout
import plotly
import plotly.offline as py
import numpy as np
import plotly.graph\_objs as go
1
2
3
4
5
6

#设置编辑模式
plotly.offline.init\_notebook\_mode(connected=True)
1
2

#制作折线图
N = 150
random\_x = np.linspace(0,1,N)
random\_y0 = np.random.randn(N)+7
random\_y1 = np.random.randn(N)
random\_y2 = np.random.randn(N)-7
 
trace0 = go.Scatter(
  x = random\_x,
  y = random\_y0,
  mode = 'markers',
  name = 'markers'
)
trace1 = go.Scatter(
  x = random\_x,
  y = random\_y1,
  mode = 'lines+markers',
  name = 'lines+markers'
)
trace2 = go.Scatter(
  x = random\_x,
  y = random\_y2,
  mode = 'lines',
  name = 'lines'
)
data = \[trace0,trace1,trace2\]
py.iplot(data)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27

显示结果如下：

直方图

\# 直方图
trace0 = go.Bar(
  x = \['Jan','Feb','Mar','Apr', 'May','Jun',
     'Jul','Aug','Sep','Oct','Nov','Dec'\],
  y = \[20,15,25,16,18,28,19,67,12,56,14,27\],
  name = 'Primary Product',
  marker=dict(
    color = 'rgb(49,130,189)'
  )
)
trace1 = go.Bar(
  x = \['Jan','Feb','Mar','Apr', 'May','Jun',
     'Jul','Aug','Sep','Oct','Nov','Dec'\],
  y = \[29,14,32,14,16,19,25,14,10,12,82,16\],
  name = 'Secondary Product',
  marker=dict(
    color = 'rgb(204,204,204)'
  )
)
data = \[trace0,trace1\]
py.iplot(data)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21

显示结果如下：

散点图

\# 散点图
trace1 = go.Scatter(
   y = np.random.randn(700),
  mode = 'markers',
  marker = dict(
    size = 16,
    color = np.random.randn(800),
    colorscale = 'Viridis',
    showscale = True
  )
)
data = \[trace1\]
py.iplot(data)
1
2
3
4
5
6
7
8
9
10
11
12
13

显示结果如下：

---

总结

今天的文章主要学习可视化神器-plotpy 的相关操作，希望在平时的工作中有所应用。更多的内容详见 https://plotly.com/python/

关于Python技术储备

学好 Python 不论是就业还是做副业赚钱都不错，但要学会 Python 还是要有一个学习规划。最后大家分享一份全套的 Python 学习资料，给那些想学习 Python 的小伙伴们一点帮助！

微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

一、Python所有方向的学习路线

Python所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。

二、Python基础学习视频

② 路线对应学习视频

还有很多适合0基础入门的学习视频，有了这些视频，轻轻松松上手Python~在这里插入图片描述

③练习题

每节视频课后，都有对应的练习题哦，可以检验学习成果哈哈！

因篇幅有限，仅展示部分资料

三、精品Python学习书籍

当我学到一定基础，有自己的理解能力的时候，会去阅读一些前辈整理的书籍或者手写的笔记资料，这些笔记详细记载了他们对一些技术点的理解，这些理解是比较独到，可以学到不一样的思路。

四、Python工具包+项目源码合集

①Python工具包

学习Python常用的开发软件都在这里了！每个都有详细的安装教程，保证你可以安装成功哦！

②Python实战案例

光学理论是没用的，要学会跟着一起敲代码，动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。100+实战案例源码等你来拿！

③Python小游戏源码

如果觉得上面的实战案例有点枯燥，可以试试自己用Python编写小游戏，让你的学习过程中增添一点趣味！

五、面试资料

我们学习Python必然是为了找到高薪的工作，下面这些面试题是来自阿里、腾讯、字节等一线互联网大厂最新的面试资料，并且有阿里大佬给出了权威的解答，刷完这一套面试资料相信大家都能找到满意的工作。

六、Python兼职渠道

而且学会Python以后，还可以在各大兼职平台接单赚钱，各种兼职渠道+兼职注意事项+如何和客户沟通，我都整理成文档了。


这份完整版的Python全套学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】