Python数据可视化教程：基于Plotly的动态可视化绘图

大家好，又见面了，我是你们的朋友全栈君。

1. plotly 介绍

Plotly是一个非常著名且强大的开源数据可视化框架，它通过构建基于浏览器显示的web形式的可交互图表来展示信息，可创建多达数十种精美的图表和地图，
下面我们以jupyter notebook为开发工具数据分析。Matplotlib存在不够美观、静态性、不易分享等缺点，限制了Python在数据可视化中的发展。为了解决这个问题，新型的动态可视化开源模块Plotly应运而生。
由于Plotly具有动态、美观、易用、种类丰富等特性。

可以说，plotly 在Python 绘制图表的时候，是一种顶层的绘制方式。

我们首先通过plotly官方网站看看数据可视化效果图，这里截取了一部分的效果，发现真是无比强大，并且还支持数据/图片在线编辑

Python数据可视化教程：基于Plotly的动态可视化绘图

2. plotly 两种方式绘制图表
Plotly是集成了在线通过菜单操作绘图与离线通过代码绘图多种绘图方式的绘图系统。如果使用在线方式，在使用plotly的时候，需要在官网注册一个个人账号，设置个人密码。

在线：将你的可视化图像保存到网站上，便于共享和保存。
离线：直接在本地生成可视化图像，便于使用。（推荐使用离线方式，方便查看和阅读）

下面主要从Python的角度来分析plotly的绘图原理及方法：

3. plotly绘图

基本图表：20种
统计和海运方式图：12种
科学图表：21种
财务图表：2种
地图：8种
3D图表：19种
报告生成：4种
连接数据库：7种
拟合工具：3种
流动图表：4种
JavaScript添加自定义控件：13种

4. 第一个Python 的plotly ，带你入门

import matplotlib.pyplot as plt
%matplotlib inline
import plotly
import plotly.graph_objs as go
from plotly.offline import init_notebook_mode,iplot
init_notebook_mode(connected=True)
import warnings
warnings.filterwarnings('ignore')
import numpy as np
import pandas as pd
plotly.__version__

接下来我们可以绘制一个plotly的程序，看看到底是什么效果

x = [1,2,3,4]
y = [10,15,13,17]
trace0 = go.Scatter(
    x = x,
    y = y
)
print(trace0)

data = [trace0]
print(data)

iplot(data)

5. 可视化图表数据案例

本案例使用的数据介绍：泰坦尼克号数据、鸢尾花数据、航班数据、金融类数据。通过这些实际数据分析，可以快速让大家掌握plotly 在实际工作中是如何进行数据分析的。

6. 金融数据时序图案例

通过可以通过时序图每个时间点的变化，例如：金融领域，可以通过该方法来了解一下股价变了的趋势
统计金融数据每天股价的变化趋势进行分析

data = [
    
    go.Scatter(
        x=finance['Date'],
        y=finance['AAPL.High'],
        name = 'AAPL.High'
    ),
     go.Scatter(
        x=finance['Date'],
        y=finance['AAPL.Low'],
        name = 'AAPL.Low'
    )
]

layout = go.Layout(
    title = '金融股价的变化趋势'
)

fig = go.Figure(data = data,layout=layout)
iplot(fig)

我们来看看绘制的图形