使用 Plotly 在 Python 中建立折線圖

---

Plotly 是一個互動式的開源工具包，使使用者能夠在 Python 的資料視覺化領域構建各種美觀且智慧的圖表。本文的主題是折線圖，這是最流行的圖表形式之一。為了幫助您理解，我們將介紹如何使用 Plotly 建立折線圖，並結合實際示例。

儘管我們將主要關注折線圖，但請記住，Plotly 是一個靈活的庫，支援各種其他圖表樣式，提供了無數的機會來使用資料講述引人入勝的故事。

Plotly 簡要概述

功能強大的 Plotly 模組支援 Python 互動式和基於瀏覽器的圖表生成。您可以建立使用者可以輕鬆互動的複雜圖表，從而實現更深入的資料探索體驗。

使用 Plotly 在 Python 中建立折線圖

折線圖，也稱為線形圖，可以沿著數軸顯示資料。讓我們開始使用 Plotly 在 Python 中建立折線圖。

Plotly 安裝

如果尚未安裝 Plotly，請使用下面的 pip 命令安裝：

pip install plotly

建立基本折線圖

透過匯入 Plotly Express 模組並使用 line() 函式（接受多種形式的資料，例如 Pandas DataFrame 或陣列列表），您可以建立 Plotly 的基本折線圖。

使用 Plotly 的折線圖實際示例

讓我們繼續介紹一些使用 Plotly 建立折線圖的實際示例。

示例 1：基本折線圖

我們將首先建立一個簡單的折線圖來顯示股票價格在五天內的增長——

import plotly.express as px

# Data
days = range(1, 6)
stock_price = [100, 105, 98, 105, 110]

# Create a line chart
fig = px.line(x=days, y=stock_price, labels={'x':'Days', 'y':'Stock Price'})

# Show the plot
fig.show()

在這個示例中，我們將建立一個簡單的折線圖，其中 y 軸表示股票價格，x 軸表示天數。

示例 2：多條折線圖

讓我們擴充套件我們的示例，並比較兩家不同公司的股票價格增長——

import plotly.express as px

# Data
days = range(1, 6)
company_A_stock = [100, 105, 98, 105, 110]
company_B_stock = [95, 102, 95, 102, 108]

# Create a line chart
fig = px.line(x=days, y=company_A_stock, labels={'x':'Days', 'y':'Stock Price'})
fig.add_trace(px.line(x=days, y=company_B_stock, labels={'x':'Days', 'y':'Stock Price'}).data[0])

# Show the plot
fig.show()

此程式碼使用 add_trace() 將第二條線新增到圖表中。

示例 3：自定義折線圖

使用 Plotly 可以透過多種方式自定義折線圖。讓我們修改前面示例中的折線圖：

import plotly.express as px

# Data
days = range(1, 6)
company_A_stock = [100, 105, 98, 105, 110]
company_B_stock = [95, 102, 95, 102, 108]

# Create a line chart
fig = px.line(x=days, y=company_A_stock, labels={'x':''Days', 'y':'Stock Price'}, title='Stock Price Comparison')
fig.add_trace(px.line(x=days, y=company_B_stock, labels={'x':'Days', 'y':'Stock Price'}).data[0])

# Customize chart
fig.update_layout(
   autosize=False,
   width=500,
   height=500,
   margin=dict(
      l=50,
      r=50,
      b=100,
      t=100,
      pad=4
   ),
   paper_bgcolor="LightSteelBlue",
)

# Add custom names to traces
fig.data[0].name = "Company A"
fig.data[1].name = "Company B"

# Show the plot
fig.show()

上述示例使用 update_layout() 函式修改了繪圖大小、邊距和背景顏色。資料[ ] 的 name 元素用於自定義軌跡（線）的名稱。

示例 4：帶有懸停資料的互動式折線圖

Plotly 的互動性是其強大的功能。為了增強互動性，使用者可以使用該庫自定義懸停資訊：

import plotly.express as px

# Data
days = range(1, 6)
company_A_stock = [100, 105, 98, 105, 110]
company_B_stock = [95, 102, 95, 102, 108]

# Create a line chart
fig = px.line(title='Stock Price Comparison')
fig.add_trace(px.line(x=days, y=company_A_stock, labels={'x':'Days', 'y':'Stock Price'}).data[0])
fig.add_trace(px.line(x=days, y=company_B_stock, labels={'x':'Days', 'y':'Stock Price'}).data[0])

# Add custom hover data
fig.data[0].name = "Company A"
fig.data[0].hovertemplate = "Day: %{x}<br>Stock Price: %{y}<extra></extra>"
fig.data[1].name = "Company B"
fig.data[1].hovertemplate = "Day: %{x}<br>Stock Price: %{y}<extra></extra>"

# Show the plot
fig.show()

在本例中，懸停資料使用 hovertemplate 進行自定義。x 和 y 的值由佔位符 %x 和 %y 表示。extra> 元素從懸停資訊中刪除了軌跡名稱。

結論

折線圖是資料視覺化的重要工具，Plotly 提供了一個很好的平臺，可以快速輕鬆地建立和自定義這些圖表。雖然我們只是觸及了 Plotly 和折線圖功能的皮毛，但我們希望這些示例能為您開始建立自己的視覺化提供堅實的基礎。

始終記住，掌握資料視覺化不僅僅是理解庫的語法或指令，還包括知道哪種型別的圖最適合給定的資料集。因此，請繼續嘗試 Plotly 中提供的各種圖表型別，並不斷磨練您的資料視覺化技巧。