Plotly Express 快速创建交互式可视化图表

在数据分析过程中，数据可视化是一项重要的技能，能够帮助我们快速理解数据的分布、趋势和关系。而 Plotly Express 是 Plotly 库的一部分，提供了创建交互式图表的简单而强大的工具。它结合了简单的 API 和高度可定制的功能，使用户能够快速创建交互式、专业的可视化图表。本文将详细介绍如何使用 Plotly Express 快速创建交互式图表，并为每一个步骤提供清晰的代码和解释。

? 什么是 Plotly Express？

Plotly Express 是一个用于快速创建交互式图表的库。它基于 Plotly，允许用户通过非常简单的代码就能绘制出具有交互功能的精美图表，适用于数据探索和展示。它支持多种类型的图表，包括散点图、柱状图、线图、直方图等。

? Plotly Express 的主要优势

• 简单快捷：使用很少的代码就能生成丰富的交互式图表。
• 支持多种数据格式：可以直接从 Pandas DataFrame 进行可视化。
• 高度交互：生成的图表可以实现缩放、悬浮显示数据、拖拽等交互功能。

  ? 安装和导入 Plotly Express

  在开始之前，首先需要安装 Plotly：

  pip install plotly

  解释：

• 使用 pip 安装 Plotly，可以直接在命令行运行上述命令，确保在 Python 环境中可以使用 Plotly Express。
  接下来，我们导入 plotly.express 作为 px，这样可以简化代码书写：

  import plotly.express as px
  import pandas as pd

  解释：

• import plotly.express as px：将 Plotly Express 导入为 px，方便后续使用。
• import pandas as pd：导入 Pandas，通常我们会从 Pandas 的 DataFrame 中提取数据进行可视化。

  ? 快速创建交互式图表

  1. 创建散点图

  散点图是数据可视化中最常用的图表之一，用于观察变量之间的关系。例如，使用内置的 gapminder 数据集创建一个人口与 GDP 的散点图。

  df = px.data.gapminder()
  fig = px.scatter(df,
  x="gdpPercap",
  y="lifeExp",
  color="continent",
  size="pop",
  hover_name="country",
  log_x=True,
  title="GDP 与人均寿命关系",
  labels={"gdpPercap": "人均 GDP", "lifeExp": "预期寿命"})
  fig.show()

  解释：

• df = px.data.gapminder()：从 Plotly Express 获取内置的 gapminder 数据集。
• px.scatter()：创建散点图。
• x="gdpPercap"：横坐标是人均 GDP。
• y="lifeExp"：纵坐标是预期寿命。
• color="continent"：不同的洲使用不同的颜色。
• size="pop"：点的大小根据国家的人口变化。
• hover_name="country"：鼠标悬停时显示国家名称。
• log_x=True：对 x 轴使用对数缩放，以更好地显示 GDP 数据。
• title="GDP 与人均寿命关系"：设置图表的标题。
• labels：设置轴标签。
  交互功能：
• 图表支持鼠标悬停以查看详细数据、缩放和拖拽。
  

  2. 创建柱状图

  柱状图适合展示分类数据之间的对比。以下示例创建了一个显示各洲人口的柱状图。

  df = px.data.gapminder().query("year == 2007")
  fig = px.bar(df,
  x="continent",
  y="pop",
  color="continent",
  title="2007 年各洲人口统计",
  labels={"pop": "人口", "continent": "洲"})
  fig.show()

  解释：

• query("year == 2007")：筛选出 2007 年的数据。
• px.bar()：创建柱状图。
• x="continent" 和 y="pop"：分别表示 x 轴和 y 轴的字段。
• color="continent"：使用不同颜色区分不同洲。
• title：设置图表标题。

  3. 创建折线图

  折线图可以展示数据随时间的变化趋势。下方代码创建了一个显示加拿大人口变化的折线图。

  canada = df[df["country"] == "Canada"]
  fig = px.line(canada,
  x="year",
  y="pop",
  title="加拿大人口随年份的变化趋势",
  labels={"pop": "人口", "year": "年份"})
  fig.show()

  解释：

• df[df["country"] == "Canada"]：选择 country 字段等于 "Canada" 的数据。
• px.line()：创建折线图。
• x="year"：年份作为横轴。
• y="pop"：人口数量作为纵轴。
• title：设置图表标题。

  4. 创建直方图

  直方图用于查看数据分布情况。以下代码生成一个 2007 年预期寿命的分布直方图。

  fig = px.histogram(df,
  x="lifeExp",
  title="2007 年各国预期寿命分布",
  labels={"lifeExp": "预期寿命"})
  fig.show()

  解释：

• px.histogram()：创建直方图。
• x="lifeExp"：显示预期寿命的分布情况。
• title：设置图表标题。

  ? 地理可视化

  Plotly Express 还可以用来绘制地理图表，例如 世界地图上的数据分布。

  fig = px.choropleth(df,
  locations="iso_alpha",
  color="lifeExp",
  hover_name="country",
  color_continuous_scale=px.colors.sequential.Plasma,
  title="2007 年各国预期寿命地理分布")
  fig.show()

  解释：

• px.choropleth()：绘制地理分布图。
• locations="iso_alpha"：根据 iso_alpha 字段标识国家。
• color="lifeExp"：用颜色表示预期寿命。
• hover_name="country"：鼠标悬停时显示国家名称。
• color_continuous_scale：设置颜色的渐变样式。

  ?️ 工作流程总结

  使用 Plotly Express 创建交互式图表的工作流程可以总结为以下几个步骤：

  1. 导入库和数据：引入 plotly.express 和 pandas，并获取或导入数据。
  2. 选择图表类型：根据数据特点选择合适的图表类型（如散点图、柱状图、折线图等）。
  3. 指定参数：通过 px 的函数提供数据列的映射（如 x 轴、y 轴、颜色等），并设置标题和标签。
  4. 显示图表：使用 fig.show() 显示生成的交互式图表。

     ? Plotly Express 图表类型脑图

     graph TD
     A[Plotly Express 图表类型] --> B[散点图]
     A --> C[柱状图]
     A --> D[折线图]
     A --> E[直方图]
     A --> F[地理分布图]
     B --> G[展示数据关系]
     C --> H[分类数据对比]
     D --> I[时间序列变化]
     E --> J[数据分布]
     F --> K[全球数据展示]

     ? 总结

     Plotly Express 提供了创建交互式数据可视化图表的快捷方法。它通过简单的语法和丰富的功能，使得数据科学家和开发人员能够快速生成高质量的图表，并在其中与数据进行交互。无论是用来探索数据还是创建交互式报表，Plotly Express 都能大大提高工作效率。

     Plotly Express 的优点：

• 简单而强大：通过少量代码生成功能丰富的图表。
• 支持多种图表类型：包括散点图、柱状图、折线图、直方图和地理图等。
• 高度交互性：每个图表支持缩放、悬浮显示详细信息等操作。
  在数据可视化中，选择合适的工具可以极大地简化工作流程。对于想要快速生成交互式图表的人来说，Plotly Express 是一个不容错过的选择。