### 可交互的曲线绘图方法及库 Python 提供了许多用于创建可交互图表的库，这些工具能够增强数据可视化的效果并提供动态用户体验。以下是几个常用的可交互曲线绘图库及其特点： #### 1. Bokeh Bokeh 是一个强大的 Python 库，专门设计用于构建复杂的网页图形。它支持通过简单的 API 创建高度自定义化的交互式图表。Bokeh 的核心功能之一是允许用户缩放、平移以及悬停查看具体的数据点[^2]。 ```python from bokeh.plotting import figure, show from bokeh.io import output_notebook output_notebook() p = figure(title="Interactive Curve", x_axis_label='x', y_axis_label='y') p.line([1, 2, 3, 4, 5], [6, 7, 2, 4, 5], legend_label="Temp.", line_width=2) show(p) ``` #### 2. Plotly Plotly 不仅是一个绘图库，还提供了在线协作平台的功能。它的主要优势在于可以轻松生成 HTML 文件中的交互式图表，并且兼容 Jupyter Notebook 环境。此外，Plotly 支持多种类型的图表，包括线形图、散点图和三维图等。 ```python import plotly.express as px df = px.data.gapminder().query("continent=='Oceania'") fig = px.line(df, x="year", y="lifeExp", color="country") fig.show() ``` #### 3. Matplotlib (结合 mpld3 或 ipympl) 虽然 Matplotlib 主要用于静态图像绘制，但它可以通过扩展包如 `mpld3` 或者 IPython 集成模块 `ipympl` 实现一定程度上的互动效果。 ```python # 使用 ipympl 进行动态展示 %matplotlib widget import numpy as np import matplotlib.pyplot as plt t = np.arange(0.0, 2.0, 0.01) s = 1 + np.sin(2 * np.pi * t) fig, ax = plt.subplots() ax.plot(t, s) ax.set(xlabel='time (s)', ylabel='voltage (mV)', title='About as simple as it gets, folks') plt.show() ``` #### 4. Altair Altair 是基于 Vega 和 Vega-Lite 构建的一个声明式的统计可视化库。尽管其默认输出是非交互性的 SVG 图像，但也可以导出到更高级别的交互环境之中。 ```python import altair as alt from vega_datasets import data source = data.stocks() alt.Chart(source).mark_line().encode( x='date', y='price', color='symbol' ) ``` 以上提到的各种库都具有各自的优势，在选择适合项目需求的具体实现方式时需考虑实际应用场景和个人偏好。