Python 数据可视化利器：Plotly 入门与实战

温以宁

发布时间：2026-10-14| 7人浏览过

原创

本文详细介绍 Python 第三方库 Plotly 的安装与基础用法。作为强大的在线数据分析与可视化工具，Plotly 支持多种语言接口。文章通过 Jupyter Notebook 环境，演示了如何绘制高质量的折线图、直方图和散点图，涵盖从环境配置到代码实现的完整步骤，帮助开发者快速掌握交互式图表制作技巧。

文 | 潮汐

来源：Python 技术「ID: pythonall」

学习 Python 是进行数据分析的基础，而数据可视化则是数据分析中不可或缺的一环。在 Python 的第三方库生态中，常用的可视化工具包括 pandas、matplotlib 和 pyecharts，此外还有 Tableau 等专业软件。近期发现另一款功能强大的可视化工具——Plotly，它既是一个在线数据分析与可视化平台，也提供了丰富的 API 支持，涵盖 Python、JavaScript、MATLAB 和 R 等多种语言。Plotly 能够在线绘制条形图、散点图、饼图、直方图等多种图形，并支持在线编辑。在 Python 中使用 Plotly 非常简单，只需通过 pip install plotly 命令安装即可启用。本文将结合 plotly 库，在 jupyter notebook 环境中演示具体的图形绘制过程。

使用 Plotly 可以绘制出许多媲美 Tableau 的高质量图表，效果如下图所示：

折线点图

绘制折线点图的步骤如下：首先在 PyCharm 界面输入 jupyter notebook 以进入网页编辑界面，新建一个文件并导入相应的包，即可开始图形绘制：


# import pkg
from plotly.graph_objs import Scatter,Layout
import plotly
import plotly.offline as py
import numpy as np
import plotly.graph_objs as go


#设置编辑模式
plotly.offline.init_notebook_mode(connected=True)


#制作折线图
N = 150
random_x = np.linspace(0,1,N)
random_y0 = np.random.randn(N)+7
random_y1 = np.random.randn(N)
random_y2 = np.random.randn(N)-7
 
trace0 = go.Scatter(
  x = random_x,
  y = random_y0,
  mode = 'markers',
  name = 'markers'
)
trace1 = go.Scatter(
  x = random_x,
  y = random_y1,
  mode = 'lines+markers',
  name = 'lines+markers'
)
trace2 = go.Scatter(
  x = random_x,
  y = random_y2,
  mode = 'lines',
  name = 'lines'
)
data = [trace0,trace1,trace2]
py.iplot(data)

显示结果如下：

直方图


# 直方图
trace0 = go.Bar(
  x = ['Jan','Feb','Mar','Apr', 'May','Jun',
     'Jul','Aug','Sep','Oct','Nov','Dec'],
  y = [20,15,25,16,18,28,19,67,12,56,14,27],
  name = 'Primary Product',
  marker=dict(
    color = 'rgb(49,130,189)'
  )
)
trace1 = go.Bar(
  x = ['Jan','Feb','Mar','Apr', 'May','Jun',
     'Jul','Aug','Sep','Oct','Nov','Dec'],
  y = [29,14,32,14,16,19,25,14,10,12,82,16],
  name = 'Secondary Product',
  marker=dict(
    color = 'rgb(204,204,204)'
  )
)
data = [trace0,trace1]
py.iplot(data)

显示结果如下：

散点图


# 散点图
trace1 = go.Scatter(
   y = np.random.randn(700),
  mode = 'markers',
  marker = dict(
    size = 16,
    color = np.random.randn(800),
    colorscale = 'Viridis',
    showscale = True
  )
)
data = [trace1]
py.iplot(data)

显示结果如下：