Python 可视化神器：Plotly Express 库

Plotly Express 是一个新的高级 Python 可视化库：它是 Plotly.py 的高级包装器，为复杂图形提供简单的语法。受 Seaborn 和 ggplot2 的启发，它专门设计为具有干净、一致且易于学习的 API：通过一次导入，你可以在单个函数调用中创建丰富的交互式绘图，包括分面、地图、动画和趋势线。它带有数据集、颜色面板和主题，就像 Plotly.py 一样。 Plotly Express 是完全免费的：凭借其许可的开源 MIT 许可证，你可以随心所欲地使用它（是的，即使在商业产品中！）。最重要的是，Plotly Express 与 Plotly 生态系统的其余部分完全兼容：在你的 Dash 应用程序中使用它，使用 Orca 将你的数据导出为几乎任何文件格式，或者使用 JupyterLab 图表编辑器在 GUI 中进行编辑！

用 pip install plotly_express 命令可以安装 Plotly Express。

使用 Plotly Express 轻松地进行数据可视化

一旦导入 Plotly Express（通常是 px ），大多数绘图只需要一个函数调用，该函数调用接受一个整洁的 Pandas 数据框并简要描述你想要制作的绘图。如果你想要一个基本的散点图，它只是 px.scatter(data, x="column_name", y="column_name")。

以下是内置 Gapminder 数据集的示例，显示了 2007 年各国预期寿命与人均 GDP 之间的趋势：

如果你想按大陆区分它们，可以使用 color 参数为你的点着色， px 负责设置默认颜色、设置图例等：

这里的每个点都是一个国家，所以也许我们想按国家人口来衡量这些点......没问题：还有一个参数可以设置它，它被称为大小：

如果你好奇哪个国家对应哪个点？ 可以添加一个 hover_name ，你可以轻松识别任何一点：只需将鼠标放在你感兴趣的点上即可！ 事实上，即使没有 hover_name ，整个图表也是互动的：

大陆也可以通过 facet_col = "continent" 轻松划分，就像给点上色一样简单，让我们使用 x 轴对数 (log_x) 让我们在图中更清楚地看到：

也许你不仅对 2007 年感兴趣，还想看看这张图表是如何随时间演变的。这可以通过设置animation_frame =“year”（和animation_group =“country”来确定哪些圆圈与控制栏中的年份匹配）来设置动画。在这个最终版本中，让我们在这里调整一些显示，因为像“gdpPercap”这样的文本有点难看，尽管它是我们数据框列的名称。我们可以提供更漂亮的“标签”，可以应用于整个图表、图例、标题轴和悬停。我们还可以手动设置边界，使动画在整个过程中看起来更好：