Plotly 交互式图表

本章目标

1. 理解 Plotly 交互式图表的核心 API 与工作流
2. 掌握常见交互图类型（折线、散点、柱状、3D）的构建方法
3. 学会将交互图导出为 HTML 或静态图片用于报告交付

重点方法与概念速览

名称	类型	作用
px.scatter(df, x, y)	函数	快速构建交互散点图
px.line(df, x, y)	函数	构建交互折线图
px.bar(df, x, y)	函数	构建交互柱状图
px.scatter_3d(df, x, y, z)	函数	构建三维交互散点图
fig.update_layout(**kwargs)	方法	统一图表布局样式
fig.write_html(file)	方法	导出 HTML 文件（保留交互）
fig.write_image(file)	方法	导出静态图片

1. Plotly 基础

plotly.express.scatter

作用

Plotly 图表默认支持缩放、平移、悬停提示等交互动作。Plotly Express 适合快速构建，Graph Objects 适合精细控制。在 Notebook 与 Web 报告中，Plotly 的交互优势明显——无需编写 JavaScript。

重点方法

px.scatter(data_frame=None, *, x=None, y=None, color=None, size=None,
           title=None)
fig.show()         # 在当前环境渲染交互图

参数

参数名	类型	说明	示例取值
data_frame	DataFrame	输入数据	df
x	str	横轴字段	"x"
y	str	纵轴字段	"y"
color	str	颜色映射字段	"category"
size	str	点大小映射字段	"value"
title	str	图标题	"Plotly Scatter"

示例代码

import pandas as pd
import plotly.express as px

df = pd.DataFrame({
    "x": [1, 2, 3, 4],
    "y": [2, 3, 2, 5],
    "category": ["A", "A", "B", "B"],
})

fig = px.scatter(df, x="x", y="y", color="category", title="Plotly Scatter")
fig.show()

输出

交互能力: 鼠标悬停显示点信息，滚轮缩放坐标轴
运行结果: 浏览器或 Notebook 渲染可交互散点图

理解重点

• Plotly 的"可交互默认值"降低了前端开发成本
• 先用 Express 快速验证，再按需下沉到 Graph Objects
• fig.show() 在脚本中会打开浏览器，在 Notebook 中内嵌渲染

2. 交互式图表实例

px.line / px.bar / px.scatter_3d

作用

折线、散点、柱状、3D 散点是最常见的业务展示组合。相同数据在不同图形中关注重点不同，应按问题选图。交互图允许读者自己探索局部细节，提升分析透明度。

重点方法

px.line(data_frame, *, x=None, y=None, color=None, title=None)
px.bar(data_frame, *, x=None, y=None, color=None, title=None)
px.scatter_3d(data_frame, *, x=None, y=None, z=None, color=None)

参数

参数名	类型	说明	示例取值
data_frame	DataFrame	输入数据	df
x / y	str	横/纵轴字段	"date", "value"
color	str	分组上色字段	"group"
z	str	3D 图的第三轴字段	"z"
title	str	图标题	"Time Series"

示例代码

import pandas as pd
import plotly.express as px
import numpy as np

np.random.seed(42)
df = pd.DataFrame({
    "date": pd.date_range("2024-01-01", periods=30, freq="D"),
    "value": np.cumsum(np.random.randn(30)),
    "category": np.random.choice(["A", "B"], 30),
})

figLine = px.line(df, x="date", y="value", title="Time Series")
figBar = px.bar(df, x="category", y="value", color="category",
                title="Category Value")

输出

折线图: 可缩放时间区间并查看局部波动
柱状图: 可点击图例切换类别显示

理解重点

• 交互式图表适合面向业务方的自助探索场景
• 图形越多越要统一颜色和命名，降低认知负担
• 3D 散点图适合展示聚类或降维结果——可旋转视角

3. Plotly 实用技巧

布局与导出

作用

导出 HTML 可保留完整交互能力，适合分享与归档。导出静态图片适合论文、报告与邮件场景。统一布局配置是构建图表风格系统的关键步骤。

重点方法

fig.update_layout(*, title=None, xaxis_title=None, yaxis_title=None,
                  template=None)
fig.write_html(file)           # 导出交互式 HTML
fig.write_image(file)          # 导出静态图片（需 kaleido）

参数

参数名	类型	说明	示例取值
title	str	图标题	"Chart Title"
xaxis_title / yaxis_title	str	轴标题	"X Axis", "Y Axis"
template	str	全局主题："plotly" / "plotly_dark" / "ggplot2" / "seaborn" 等	"plotly_dark"
file	str	导出文件路径	"chart.html"

示例代码

import pandas as pd
import plotly.express as px

df = pd.DataFrame({"x": [1, 2, 3], "y": [3, 1, 4]})
fig = px.line(df, x="x", y="y", title="Demo")
fig.update_layout(
    title="Styled Chart",
    xaxis_title="X Axis",
    yaxis_title="Y Axis",
    template="plotly_dark",
)
fig.write_html("chart.html")
print("已导出: chart.html")

输出

导出结果: chart.html 可在浏览器独立打开
可选导出: fig.write_image("chart.png") 适合静态文档嵌入

理解重点

• 导出策略取决于读者是否需要交互能力
• 统一模板和标题规范能显著提升团队交付质量
• write_image 需要安装 kaleido：pip install kaleido
• Plotly Express 返回的 Figure 对象与 Graph Objects 完全兼容

常见坑

1. fig.show() 在纯脚本中可能打开空浏览器窗口——Notebook 中使用更佳
2. write_image 未安装 kaleido 导致导出失败
3. 3D 图默认视角可能遮挡关键数据——需手动设置 camera 参数

小结

• Plotly Express 是构建交互图的最快路径——一行代码出图且默认可交互
• 交互图适合探索和演示——静态 Matplotlib 图更适合印刷报告
• 导出 HTML 保留交互能力，导出 PNG/PDF 适合固定交付
• update_layout 统一设置标题和主题是专业交付的基本要求