import plotly.graph_objects as go
import numpy as np首先通过go.Figure()来生成一个Figure画布对象，Figure对象拥有trace和layout两个主要的属性。其中trace代表图表中的迹线对象，layout代表图表的样式对象。
二者可以通过使用Figure对象的 .add_trace()方法和.update_layout() 方法来进行更改
fig = go.Figure()
fig.add_trace(go.Bar(x=[1, 2, 3], y=[1, 3, 2]))
fig.update_layout(title=dict(text="plotly生成的第一张图"))
fig.show()或者在生成Figure对象时定义trace和layout属性
fig=go.Figure(data=[go.Bar(x=[1, 2, 3], y=[1, 3, 2])],layout=dict(title=dict(text="plotly生成的第一张图")))
fig.show() |
 |
|---|---|
| 第一张图 | 更改后的图 |
也可以继续进行更改，并且在更改trace属性的时候，也可以使用selector选择某一个trace来进行更改，如图2所示
fig.add_trace(go.Scatter(x=[1, 2, 3], y=[1, 3, 2]))
fig.update_traces(line=dict(dash="dot"),selector=dict(type='scatter'))
fig.update_layout(yaxis=dict(showgrid=False),title=dict(text="使用选择器来修改属性"))
fig.show()这里主要涉及的是Figure对象的.update_xaxes()和.update_yaxes()两个方法
在.update_xaxes的range方法中设置
x=10*np.random.rand(20)
y=np.random.randn(20)
fig = go.Figure()
fig.add_trace(go.Scatter(x=x,y=y,mode='markers'))
fig.update_xaxes(range=[0, 20])
fig.show() |
 |
|---|---|
| 调整坐标轴的显示范围 | 调整坐标轴的标记值 |
首先介绍较为自由的自己设置坐标轴的标记的方法，如下所示，其中tickvals为选定的值，ticktext为改变后的值。也可以只设置tickvals，这时只会显示tickvals中的值。
其次也可以通过设置标记的个数、设置标记的起点以及标记之间的间隔的方法来自动更改标记值
也可以通过对update_xaxes下的tickangle、tickfont以及tickformat属性进行更改，来设置坐标轴标记的 字体、颜色、角度等显示样式
fig.update_xaxes(range=[0, 10])
fig.update_xaxes(ticktext=["Half", "End"],tickvals=[5,10])
#fig.update_yaxes(nticks=5) 设置标记的个数
fig.update_yaxes(tick0=-3, dtick=0.25) #设置标记的起点以及标记之间的间隔
#设置坐标轴标记的显示样式
fig.update_xaxes(ticktext=["Half", "End"],tickvals=[5,10])
fig.update_xaxes(tickangle=45, tickfont=dict(family='Rockwell', color='crimson', size=14))
fig.update_yaxes(tickformat = '%')
fig.show()当有设置多坐标轴的需要时，需要通过make_subplots来生成Figure对象，并且设置其中的secondary_y或者secondary_x
fig = make_subplots(specs=[[{"secondary_y": True}]])
fig.add_trace(go.Scatter(x=[1, 2, 3], y=[40, 50, 60], name="yaxis data"),secondary_y=False,)
fig.add_trace(go.Scatter(x=[2, 3, 4], y=[4, 5, 6], name="yaxis2 data"),secondary_y=True,)
fig.show() |
 |
|---|---|
| 设置多坐标轴 | 调整图表大小以及画布背景 |
其中width和height表示画布的大小，margin代表图表与画布边界之间的距离
fig.update_layout(width=500,height=500,margin=dict(l=50,r=50,b=100,t=100,),paper_bgcolor="LightSteelBlue",)
fig.show()图例标题的生成可以在add_trace的时候，为每一个trace给一个名称，该名称将会在图例中显示出来
图标题、坐标轴标题可以在update_layout中生成，同时也可以通过font为所有的标题设置字体样式
fig = go.Figure()
fig.add_trace(go.Scatter(x=[0, 1, 2, 3, 4, 5, 6, 7, 8],y=[0, 1, 2, 3, 4, 5, 6, 7, 8],name="直线"))
fig.add_trace(go.Scatter(x=[0, 1, 2, 3, 4, 5, 6, 7, 8],y=[1, 0, 3, 2, 5, 4, 7, 6, 8],name="波动线"))
fig.update_layout(title="这里是标题",xaxis_title="X 轴",yaxis_title="Y 轴",legend_title="图例",
font=dict(family="Courier New, monospace",size=15,color="RebeccaPurple"))
fig.show()其中title_x=0.5的形式是一种简写，相当于title=dict(x=0.5)，这种方法能够方便组织代码的结构。
其中xanchor和yanchor代表选定的标题的锚定点，这里选择的是标题的上边界的中间，x和y代表上述标题选定的位置在画布中的位置比例。这里以title举例，将title换成legend也是一样的。
fig.update_layout(title_font_family="Times New Roman",title_font_color='red',
title_y=0.85,title_x=0.5,title_xanchor='center',title_yanchor='top')
fig.show() |
 |
|---|---|
| 图标题、坐标轴标题、图例标题的生成 | 独立更改某一部分标题的位置、字体样式 |
#调整图例的顺序
fig.update_layout(legend_traceorder="reversed")
#调整图例的排列方式
fig.update_layout(legend_orientation='h',legend_y=1,legend_x=0.9,
legend_xanchor='center',legend_yanchor='bottom')
#调整图例的背景，边框
fig.update_layout(legend=dict(x=0.88,bgcolor="LightSteelBlue",bordercolor="Black",borderwidth=1))
fig.show()
可以通过textposition和textfont属性来设置注释的字体样式,并且可以通过uniformtext来调节这类自动生成的注释的显示情况，其中minsize设置字体大小，mode设置当字体的总大小大于设置的大小时如何展示 这里设置为hide，即饼图中较小的区不展示注释
df = px.data.gapminder().query("continent == 'Asia' and year == 2007")
fig = go.Figure()
fig.add_trace(go.Pie(values=df['pop'], labels=df['country']))
fig.update_traces(textposition='inside',textfont_size=12)
fig.update_layout(uniformtext_minsize=12, uniformtext_mode='hide')
fig.show()
其中xref和yref代表注释的参考系的选择，可以是当前的坐标的形式，也可以是上文中提到的按照整个画布的比例的形式
而ax和ay则代表与选定的点的相对距离，可以自行调整。其余的内容则是对箭头以及边框、字体的样式进行调整的内容，不再赘述。
fig = go.Figure()
fig.add_trace(go.Scatter(x=[0, 1, 2, 3, 4, 5, 6, 7, 8],y=[0, 1, 3, 2, 4, 3, 4, 6, 5]))
fig.add_trace(go.Scatter(x=[0, 1, 2, 3, 4, 5, 6, 7, 8],y=[0, 4, 5, 1, 2, 2, 3, 4, 2]))
fig.add_annotation(x=2,y=5,xref="x",yref="y",text="max=5",
font=dict(family="Courier New, monospace",size=16,color="#ffffff"),
showarrow=True,align="center",arrowhead=2,
arrowsize=1,arrowwidth=2,arrowcolor="#636363",
ax=50, ay=-30,
bordercolor="#c7c7c7",borderwidth=2,borderpad=4,bgcolor="#ff7f0e",opacity=0.8)
fig.update_layout(showlegend=False)
fig.show()在这里我们添加了一条y=x的辅助线，以及将最大值的标识注释用一个长方形圈出。
fig.add_shape(type="line",x0=0, y0=0, x1=8, y1=8,
line=dict(color="orange",dash="dot",width=3))
fig.add_shape(type="rect",x0=2, y0=5, x1=3, y1=7, #这里要标识出长方形的左下顶点和右上顶点
line=dict(color="RoyalBlue"))
fig.show() |
 |
|---|---|
| 添加注释 | 添加辅助图形 |
plotly里的Hover是指鼠标悬停在某个点上时，与该点之间的交互，Marker是指对图表中点的标记
closest模式（默认模式），浮现一个文本框；x或y模式，只展示x轴或者y轴的值；x(y) unfined 模式，与x(y)模式的区别在于，将同一方向的不同值，放入了一个文本框中共同展示。
t = np.linspace(0, 2 * np.pi, 100)
fig = go.Figure()
fig.add_trace(go.Scatter(x=t, y=np.sin(t), name='sin(t)'))
fig.add_trace(go.Scatter(x=t, y=np.cos(t), name='cost(t)'))
fig.update_layout(hovermode='closest')
fig.show()fig.update_layout(hovermode='x')
fig.show()fig.update_layout(hovermode="x unified")
fig.show()
可以通过hoverinfo来调整展示的内容，其中hoverinfo的取值可以是x,y,name,text，其中name为当前trace的名称，text可以是自己定义的值。hoverinfo也可以是其中数者之间的相加，如下文的举例的’name+x+text’
可以通过设置hoverlabel这个属性来设置Hover的背景、字体样式
fig.update_layout(hovermode="closest")
fig.update_traces(text='三角函数',hoverinfo='name+x+text')
#设置Hover的背景、字体样式
fig.update_layout(hoverlabel=dict(bgcolor="white",font_size=16,font_family="Rockwell"))
fig.show()同时还可以使用模板来为hover定制个性化的展示内容,其中%{}中的内容是显示的值，其余的部分是对其样式的调整。
fig = go.Figure(go.Scatter(x = [1,2,3,4,5],y = [2.02825,1.63728,6.83839,4.8485,4.73463],
hovertemplate ='<i>Price</i>: $%{y:.2f}'+'<br><b>X</b>: %{x}<br>'+ '<b>%{text}</b>',
text = ['Custom text {}'.format(i + 1) for i in range(5)],showlegend = False))
fig.show() |
 |
|---|---|
设置Hover中展示的内容 |
使用模板来为hover定制个性化的展示内容 |
主要是在trace下面的marker属性中设置整个marker的大小颜色等，在marker_line属性中设置marker的边框。
np.random.seed(1)
x = np.random.uniform(low=3, high=6, size=(500,))
y = np.random.uniform(low=3, high=6, size=(500,))
fig = go.Figure()
fig.add_trace(go.Scatter(mode='markers',x=x,y=y,
marker=dict(color='LightSkyBlue',size=20,opacity=0.5,
line=dict(color='MediumPurple',width=2)),showlegend=False))
fig.add_trace(go.Scatter(mode='markers',x=[2],y=[4.5],
marker=dict(color='LightSkyBlue',size=120,opacity=1,
line=dict(color='MediumPurple',width=12)),showlegend=False))
fig.show()可以在trace属性下面设置marker_symbol属性来调整marker的样式
fig.update_traces(
marker_symbol='square-open'
)
fig.show() |
 |
|---|---|
| 设置marker的边框、颜色以及透明度 | 将marker的样式设置为square-open |
其中所有可选择的样式点击图片链接即可查看：http://pic.fishiu.com/uPic/lyy/%E6%A0%B7%E5%BC%8F.png
Plotly的多子图绘图主要使用了make_subplots()函数，从subplots模块导入。
from plotly.subplots import make_subplots
import plotly.graph_objects as goplotly.subplots是用于绘制子图的模块，其中的核心函数为make_subplots()，用参数rows和cols确定网格状布局，默认每个格子容纳一张子图，子图用add_trace()方法的row和col参数进行索引定位。
column_widths和row_heights参数用来控制网格的列宽和行高，值为每列（行）宽度占整个图宽度的百分比组成的列表，列表的长度分别为列数和行数。
子图的标题可以用subplot_titles参数设置，值为字符串构成的列表，子图标题按照列表的顺序进行分配，所以如果某个子图的标题暂未确定，也需要用空字符串在列表中占据一个位置。
temp= go.Scatter(x=[1, 2], y=[1, 2])
fig = make_subplots(rows=3, cols=3,
column_widths=[0.2, 0.3, 0.5],
row_heights=[0.1, 0.6, 0.3],
subplot_titles=["trace0", "trace1", "trace2",
"trace3", "", "trace5",
"trace6", "trace7", "trace8"])
for row in range(1,4):
for col in range(1, 4):
fig.add_trace(temp, row=row, col=col)
fig.show()
make_subplots()函数通过specs参数进行复杂布局，specs为以rows和cols确定的二维列表，每个子图用一个字典表示，用colspan和rowspan属性控制子图所占的网格数，colspan表示合并列，rowspan表示合并行，None表示不在该网格上绘图，因为该网格会被占据多个网格的其他子图覆盖。
fig = make_subplots(rows=3, cols=3,
specs=[[{"colspan": 2},None,{"rowspan":2}],
[{"rowspan":2},{},None],
[None,{"colspan": 2},None]],
subplot_titles=["trace0", "trace1", "trace2", "trace3", "trace4"])
fig.add_trace(temp, row=1, col=1)
fig.add_trace(temp, row=1, col=3)
fig.add_trace(temp, row=2, col=1)
fig.add_trace(temp, row=2, col=2)
fig.add_trace(temp, row=3, col=2)
fig.show()
horizontal_spacing参数和vertical_spacing参数用于调整网格的列间距和行间距，取值为0~1之间的浮点数。
specs参数可以调整每个子图的上下左右边距，在每个子图的字典中分别用t、b、l、r代表，取值为0-1的浮点数，可以取负值,但无法超出整个图像最外围的网格，如下图中右下角的下边距和右边距不起作用。
fig = make_subplots(rows=3, cols=3,
horizontal_spacing=0.05,
vertical_spacing=0.1,
specs=[[{"l":0.05},{"t":0.1},{"r":0.05}],
[{"r":-0.03},{"t":-0.05},{"l":-0.02}],
[{},{"b":0.2},{"b":-0.2, "r":-0.2}]])
for row in range(1,4):
for col in range(1, 4):
fig.add_trace(temp, row=row, col=col)
fig.show()
make_subplots()函数使用insets属性进行非网格化布局，用于在主图中以贴图的方式增加子图，每个子图用一个字典表示，位置用l、b、w、h四个参数调整，用xaxis和yaxis进行索引，主图为x1和y1，子图往后类推。
fig = make_subplots(insets=[{'l': 0.7, 'b': 0.5, 'w': 0.2, 'h': 0.3},
{'l': 0.4, 'b': 0.6, 'w': 0.2, 'h': 0.3}])
fig.add_trace(go.Scatter(x=[1,2,3], y=[2,1,1]))
fig.add_trace(go.Scatter(x=[1,2,3], y=[2,1,2], xaxis='x2', yaxis='y2'))
fig.add_trace(go.Scatter(x=[1,2,3], y=[1,3,2], xaxis='x2', yaxis='y2'))
fig.add_trace(go.Scatter(x=[1,2,3], y=[1,3,2], xaxis='x3', yaxis='y3'))
fig.show()
子图布局的底层实现方法是layout中的domain参数，创建fig画布之后，可以通过layout增加第二、第三坐标轴，此时相当于多个子图重合，domain参数可以设置每个坐标轴的布局范围，相当于将子图分离开来。
如下图示例，domain参数为列表类型，元素为两个0-1的浮点数，表示轴的布局范围，x轴的domain为[0.2,0.6]就表示x轴占整个画布从左到右的20%到60%宽度。当子图浮动时，需要指定轴的anchor，所有坐标轴默认定位在画布的边缘，指定anchor可以使其脱离，附着在指定的子图上。
trace1 = go.Scatter(x=[1, 2], y=[1, 2])
trace2 = go.Scatter(x=[1, 2], y=[1, 2], xaxis="x2", yaxis="y2")
fig = go.Figure(data=[trace1,trace2],
layout={
"xaxis": {"domain": [0, 0.6]},
"xaxis2": {"domain": [0.5, 0.8], "anchor": "y2"},
"yaxis2": {"domain": [0.4, 0.7], "anchor": "x2"}})
fig.show()
specs参数中，代表每个子图的字典不仅可以指定该子图的网格跨度，还可以用type指定该子图的类型。子图共有6种类型：
xy：2维笛卡尔图（平面直角坐标系），如散点图、条形图等，type属性的默认值。scene：3维笛卡尔图（三维直角坐标系），如3维散点图、3维矢量图等。polar：极坐标图，如极坐标散点图、极坐标条形图等。ternary：三元相图。mapbox：地图，如散点地图、热力地图等。domain：其他特殊迹线类型对应的图，如饼图、桑基图等。
除了6种类型之外，type的取值也可以为迹线类型，如bar、sacttergeo、parcats等，plotly会自动选择适合的图表类型。
fig = make_subplots(rows=2, cols=2,
specs=[[{'type': 'xy'}, {'type': 'polar'}],
[{'type': 'scene'}, {'type': 'ternary'}]])
fig.add_traces(
[go.Scatter(y=[2, 3, 1]),
go.Scatterpolar(r=[1, 3, 2], theta=[0, 45, 90]),
go.Scatter3d(x=[1, 2, 1], y=[2, 3, 1], z=[0, 3, 5]),
go.Scatterternary(a=[0.1, 0.2, 0.1],
b=[0.2, 0.3, 0.1],
c=[0.7, 0.5, 0.8])],
rows=[1, 1, 2, 2],
cols=[1, 2, 1, 2])
fig.show()
使用make_subplots()创建子图之后，可以使用fig的update_xaxes()方法和update_yaxes()方法来设置子图坐标轴的属性，如设置轴标题、文字颜色、网格线颜色等，用row和col进行定位，需要设置的属性可以用字典表示（如示例中对xaxis2的设置），也可以用方法参数的形式表示（如示例中对yaxis1的设置）。
fig = make_subplots(rows=1, cols=2)
fig.add_trace(temp, row=1, col=1)
fig.add_trace(temp, row=1, col=2)
fig.update_layout(height=300, width=800)
fig.update_xaxes({
"linecolor": "#303030", #坐标轴颜色
"color": "#636efa", #文字颜色
"gridcolor": "#e0e1e3", #网格线颜色
"linewidth": 2, #坐标轴宽度
"gridwidth": 3 #网格线宽度
}, row=1, col=2)
fig.update_yaxes(title="trace0-yaxis-title", #轴标题
showgrid=False, #不显示网格线
tickvals=[1, 1.2, 1.8, 2], #坐标轴刻度取值
tickangle=-45, #刻度旋转角度
ticksuffix="cm", #刻度值后缀
col=1, row=1)
fig.show()
add_traces()方法可以同时在多个子图中添加迹线，使用rows属性和cols属性选择子图，如rows=[1,2]，cols=[2,1]代表选择了(1,2)和(2,1)的两个子图。data、rows和cols取值的列表长度应该相等。
使用update_traces()可以更新子图的迹线属性，如marker、label等，可以用row和col来选择要设置的子图，还可以用selector参数来选择要更新的迹线类型。
fig = make_subplots(rows=2, cols=2)
trace1 = go.Scatter(y=[2, 3, 1])
trace2 = go.Bar(y=[1, 4, 3])
trace3 = go.Scatter(y=[4, 2, 3])
fig.add_traces([trace1, trace2, trace3, trace2, trace3, trace3],
rows=[1, 2, 1, 2, 1, 2],
cols=[1, 2, 1, 1, 2, 1])
fig.update_traces(col=1,selector={"type": "scatter"},
marker=dict(color="RoyalBlue")) #将第一列子图中的折线图设置为蓝色
fig.show()
针对单个子图的设置可以使用fig的add_XXX()系列方法，如设置注释add_annotation()、绘制垂直线add_vline()等，使用row和col参数来选择需要绘制的子图。
fig = make_subplots(rows=1, cols=2)
fig.add_trace(temp, row=1, col=1)
fig.add_trace(temp, row=1, col=2)
fig.update_layout(height=300, width=800)
fig.add_annotation(row=1, col=2, text="annotation",x=2,y=1.5) #设置注释
fig.add_vline(row=1, col=1, x=1.8, annotation_text="vertical-line") #画一条垂直的线
fig.show()
make_subplots()函数的share_xaxes参数和share_yaxes参数可以设置子图之间是否共用坐标轴，默认为False，share_xaxes设置为True时，同一列的子图会共用一个横坐标轴，share_yaxes设置为True时，同一行的子图会共用一个纵坐标轴。
fig = make_subplots(rows=3, cols=1, shared_xaxes=True, vertical_spacing=0.02)
fig.add_trace(go.Scatter(x=[0, 1, 2], y=[10, 11, 12]), row=3, col=1)
fig.add_trace(go.Scatter(x=[2, 3, 4], y=[100, 110, 120]), row=2, col=1)
fig.add_trace(go.Scatter(x=[3, 4, 5], y=[1000, 1100, 1200]), row=1, col=1)
fig.update_layout(height=600, width=800, title_text="Stacked Subplots with Shared X-Axes")
fig.show()
np.random.seed(0)
y = np.random.randn(100).cumsum()
fig = make_subplots(rows=1, cols=2, shared_yaxes=True, horizontal_spacing=0.01)
fig.update_layout(height=400, width=800, title_text="Stacked Subplots with Shared Y-Axes")
fig.add_traces([go.Scatter(y=y), go.Bar(y=y)],
rows=[1, 1], cols=[1, 2])
fig.show()
share_xaxes和share_yaxes只能实现网格中全部子图的坐标轴共用，如果想要设置某两个子图共用坐标轴而其他子图拥有单独的坐标轴，则需要用到底层的布局实现方法。坐标轴共享通过trace的xaxis和yaxis参数实现，同时在fig的layout中只设置显示的坐标轴，完整的坐标轴用anchor属性来互相定位。如下示例，前两个子图共用y轴，故trace2的yaxis设置为y，layout中不设置yaxis2，结果如下所示。
trace1 = go.Scatter(y=[2, 4, 1])
trace2 = go.Scatter(y=[1, 3, 5], xaxis="x2", yaxis="y")
trace3 = go.Scatter(y=[2, 1, 3], xaxis="x3", yaxis="y3")
layout = go.Layout({
'xaxis': {'domain': [0, 0.3]},
'xaxis2': {'domain': [0.31, 0.65]},
'xaxis3': {'anchor': 'y3', 'domain': [0.7, 1]},
'yaxis': {'domain': [0, 1]},
'yaxis3': {'anchor': 'x3', 'domain': [0, 1]}
})
fig = go.Figure(data=[trace1, trace2, trace3], layout=layout)
fig.update_layout(height=300)
fig.show()
绘制每条迹线时可以用marker的colorscale属性来指定plotly内置的渐变式配色方案，如
go.Bar(y=[2,3,1], marker=dict(color=[2,3,1],colorscale="Bluered_r"))如果子图要共用一套配色方案的话，需要用到coloraxis，在子图迹线的marker中加入这个参数，再在fig的layout中设置coloraxis，即可实现子图共用配色。
N = 50
np.random.seed(1)
x1 = np.random.rand(N)
y1 = np.random.rand(N)
np.random.seed(2)
x2 = np.random.rand(N)
y2 = np.random.rand(N)
colors = np.random.rand(N)
size = np.random.rand(N) * 30
fig = make_subplots(rows=1, cols=2, shared_yaxes=True, horizontal_spacing=0.03)
fig.add_trace(go.Scatter(x=x1, y=y1, mode="markers",
marker=dict(size=size, color=colors, opacity=0.6, coloraxis="coloraxis")),
row=1, col=1)
fig.add_trace(go.Bar(y=y2,
marker=dict(color=colors, opacity=0.6, coloraxis="coloraxis")),
row=1, col=2)
fig.update_layout(coloraxis=dict(colorscale='Viridis'), showlegend=False)
fig.update_yaxes(row=1, col=1, range=[0,1.1])
fig.show()
