目标

• plotly基础概念介绍
• plotly绘图控件介绍
• plotly安装
• 绘制一个plotly图可视化

• 可视化图表（直方图，柱状图，散点图，饼状图，热力图，时序图，箱线图等）

内容

• 介绍¶

以Python为基础进行数据分析，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。项目案例包括泰坦尼克号数据、鸢尾花数据、航班数据、金融类数据进行可视化图表分析，可以快速让大家如何掌握项目中的数据分析如何处理。

项目实战内容：泰坦尼克号数据、鸢尾花数据、航班数据、金融类数据

• 要求

无论你是零基础的人员还是有一定的Python 基础的学员，都可以通过该课程进行学习。本课程重点以实战教程为基础，让你快速掌握Python 工具的 使用和如何通过jupyter-notebook 进行数据分析，真对业务理解可以通过交互试图表plotly 进行分析。 这些课程尤其对于AI 产品经理也很有帮助，可以本课程，可以让你在公司数据分析中可以更快、效率 更高、工作收获最大。

• 受益

快速掌握Plotly库的使用方法，熟练绘制各种数据分析中常用图表

掌握python数据分析的方法

plotly介绍

python绘图:matplotlib,seaborn,plotly

数据分析的一个业务场景就是用数据讲故事，交互信息可视化的工具就在此凸显出了优势。

Python可视化的库还有很多，熟练掌握matplotlib和seaborn，针对具体业务用好plotly足以从容面对大多数的数据分析场景。

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。

plotly绘图控件

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

plotly 安装

pip install plotly

完成ploytly 安装程秀后，我们需要检查是否安装，通过下面操作下进行

第一个plotly 图可视化

• 导入相关包

• 第一个绘制图形

显示结果如下

可视化图表数据案例

本课程所有的项目案例的数据包括： 泰坦尼克号的数据、iris 数据、航班数据、金融累的数据，通过这些数据分析，可以 快速的让大家掌握项目中plotly 进行数据绘图分析。

• 加载数据

• 查看4类数据（默认5条）

这里flights 通过pivot 函数处理

金融类数据展示

项目案例1: 泰塔尼克号 直方图

在分析一组数据的时候，看的就是变量的分布规律，而直方图提供这样非常简单的功能。

通过观察数据，对age进行直方图的展示，实际age 数据存在missing，先用dropna函数删除missing 的数据，否则无法绘制 出图形。

项目案例2: 泰塔尼克号 柱状图

这里我们统计每类仓位等级 对应的幸存下来的人数数据分析

项目案例3: 泰塔尼克号 分组柱状图

我们x轴 仓位等级class，我们将sex 在进行细化，完成分组柱状图的效果

项目案例4: iris 散点图

散点图： 主要用于分析数据的集中程度。

项目案例5: 航班数据 折线图

主要分析数据的一些变化趋势，我们这里分析航班的数据，主要查看每年每月乘客数的一些变化

上面的操作非常的麻烦，定义一个函数封装每年的数据，然后就可以把所有的数据都显示出来

项目案例6: 泰塔尼克号 饼状图

通过饼状图，主要用于分析不同类别数据占比情况

分析 不同的embarked 人员的幸存人数占比

项目案例7: 泰塔尼克号 箱线图

是一种作用与数据分析是否异常点数据或者离群点，它能显示一组数据的最大数值，最小数值，中位数以及上下四分位数据。 都可以通过 这种图表观察到这种数据

我们统计不同仓位级别的年龄分布情况

我们可以对我们上述的代码进一步优化调整，使得我们的代码更加容易查看，代码量比较少

项目案例8:航班数据 热力图

通常用来表示特征之间的相关性，一般通过颜色的深浅来表示数值的大小或者相关性的高低

我们先通过一个简单的数据示例来观察如何生成一个热力图，重点构建 x，y,z 三个变量的数据

接下来我们通过pandas 加载我们一个航班的数据，每年每月的乘客数，这就一个热力图的实际应用

我们构建热力图 所需要的是三个维度的数据信息

x: 月份标签

y: 年份标签

z: 年份和月份对应的乘客数

项目案例9:金融数据 时序图

我们可以通过时序图每个时间点数据变化，例如： 在金融领域，可以通过该方法用于分析每天的股价的变化趋势

统计下金融数据每天的股价的变化趋势

接下来，我们在进一步功能优化

更多内容学习，请关注，多评论多支持，让我们一起加油。