✨ 介绍 Plotly Express ✨：
提示：这里可以添加学习目标
Plotly Express是一个新的高级 Python 可视化库：它是Plotly.py的包装器，为复杂图表提供了简单的语法。受 Seaborn 和 ggplot2 的启发，它专门设计为具有简洁、一致且易于学习的 API：只需一次导入，您就可以在一次函数调用中制作丰富的交互式绘图，包括分面、地图、动画、和趋势线。它带有板载数据集、色标和主题，就像 Plotly.py 一样，Plotly Express 是完全免费的：凭借其宽松的开源 MIT 许可证，您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中使用它应用程序，使用 Orca将您的图形导出为几乎任何文件格式，或使用JupyterLab 图表编辑器在 GUI 中编辑它们！
如果您是TL;DR类型，只需pip install plotly转到我们的演练笔记本或画廊或参考文档开始尝试，否则请继续阅读以了解 Plotly Express 的特别之处。如果您有任何反馈或想查看代码，都可以在 Github 上找到。
使用 Plotly Express 快速轻松地可视化数据：
提示：这里可以添加要学的内容
用于生成以下屏幕截图的代码可在我们的演练笔记本中找到，您可以将其加载到 Binder上，立即在浏览器中使用，无需安装任何东西。
一旦您导入 Plotly Express（通常为px），大多数绘图都是通过一个接受整洁的 Pandas 数据框的函数调用和您想要制作的绘图的简单描述来制作的。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”).
这是一个Gapminder 数据集的例子——它是内置的！– 显示 2007 年各国的预期寿命与人均 GPD：
如果你想按大陆分解，你可以用color参数给你的点着色并px处理细节，分配默认颜色，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：这也有一个参数！毫不奇怪，它被称为size:
好奇哪一点是哪个国家？添加一个hover_name，您就可以轻松识别任何点：再也不会想知道“那个异常值是什么？”…只需将鼠标悬停在您感兴趣的点上！事实上，整个情节是互动的，即使没有hover_name：
这是上图的嵌入式版本，您可以在此处与之交互。尝试将鼠标悬停在点上，单击或双击图例项，或使用将鼠标移入框架时出现的“模式栏”来控制行为单击拖动交互（缩放、平移、选择）：
您还可以对绘图进行分面以区分大陆，就像使用 为点着色一样容易facet_col=“continent”，让我们使 x 轴对数化以便在我们处理它时更清楚地看到事物：
也许您不仅对 2007 年感兴趣，还想了解这张图表是如何随时间演变的。您可以通过设置对其进行动画处理animation_frame=“year”（并animation_group="country"确定哪些圆圈与哪些跨帧匹配）。在这个最终版本中，我们还要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labels的应用程序，用于整个图形、图例、轴标题和悬停。我们还可以提供一些手动边界，这样整个动画看起来都不错：
因为这是地理数据，我们也可以将其表示为动画地图，这清楚地表明，px不仅仅是散点图，而且这个数据集缺少前苏联的数据。
