Python Plotly交互式绘图实战指南（从零开始掌握Plotly交互式可视化）

二、安装 Plotly

首先，你需要在你的 Python 环境中安装 Plotly。打开终端或命令提示符，运行以下命令：

pip install plotly

如果你使用的是 Jupyter Notebook，建议同时安装 jupyterlab 插件以获得更好的渲染体验：

pip install "jupyterlab>=3" "ipywidgets>=7.6"

三、第一个 Plotly 图表：折线图

让我们从最简单的例子开始——绘制一条交互式折线图。假设我们有一组时间序列数据，记录了某产品每日销量。

import plotly.graph_objects as go# 准备数据days = ['周一', '周二', '周三', '周四', '周五', '周六', '周日']sales = [120, 150, 130, 180, 200, 250, 300]# 创建折线图fig = go.Figure()fig.add_trace(go.Scatter(x=days, y=sales, mode='lines+markers', name='日销量'))# 添加标题和轴标签fig.update_layout(    title='本周产品日销量趋势',    xaxis_title='星期',    yaxis_title='销量（件）')# 显示图表fig.show()

运行上述代码后，浏览器会自动打开一个新窗口，展示一个可交互的折线图。你可以将鼠标悬停在数据点上查看具体数值，也可以点击图例隐藏/显示数据系列。

四、常用图表类型示例

除了折线图，Plotly 还支持柱状图、散点图、饼图、热力图等多种图表类型。下面是一个柱状图的例子：

import plotly.express as px# 使用内置数据集df = px.data.tips()# 创建柱状图fig = px.bar(df, x='day', y='total_bill', color='sex', barmode='group',             title='不同性别在各工作日的总账单')fig.show()

这里我们使用了 plotly.express 模块，它是 Plotly 的高级接口，只需一行代码即可生成复杂图表，非常适合快速原型开发。

五、保存与分享图表

Plotly 图表可以轻松保存为 HTML 文件，方便分享给没有编程环境的同事或客户：

fig.write_html("my_chart.html")

生成的 HTML 文件包含所有交互功能，双击即可在浏览器中打开。

六、总结

通过本教程，你已经掌握了 Python数据可视化 中最实用的工具之一——Plotly。无论是进行数据分析、制作报告还是构建 Web 应用，交互式图表制作 都能让你的数据“活”起来。建议多尝试不同的数据集和图表类型，逐步提升你的可视化能力。

小贴士：Plotly 官方文档（https://plotly.com/python/）提供了大量示例和详细说明，是学习进阶的最佳资源。