### 如何使用 Python 绘制交互式图表 尽管 Matplotlib 和 Seaborn 是强大的静态绘图工具，但在某些场景下，交互式图表能够提供更直观的数据探索体验。Plotly 是一个广泛使用的 Python 库，专门用于创建动态、可交互的图表。 以下是关于 Plotly 的详细介绍以及如何使用它来绘制交互式图表： #### 什么是 Plotly？ Plotly 是一种支持多种编程语言（包括 Python）的开源数据可视化库，专注于制作高质量的交互式图表。它可以轻松生成线图、散点图、热力图等多种类型的图表，并允许用户通过鼠标悬停查看具体数值或缩放视图[^4]。 #### 安装 Plotly 要开始使用 Plotly，需先安装该库。可以通过 pip 工具完成安装： ```bash pip install plotly ``` #### 使用 Plotly 创建简单交互图 以下是一个简单的例子，展示如何用 Plotly 制作一条带有交互功能的时间序列折线图： ```python import plotly.express as px import pandas as pd # 准备数据 df = pd.DataFrame({ '时间': ['2023-01', '2023-02', '2023-03'], '销售额': [100, 150, 200] }) fig = px.line(df, x='时间', y='销售额', title="月度销售趋势") # 显示图表 fig.show() ``` 上述代码会生成一张可以放大缩小并显示精确坐标的互动型折线图[^4]。 #### 更复杂的交互特性 除了基础的功能外，Plotly 还能实现更多高级效果，比如添加滑动条控制变量变化范围或者链接多个图表同步更新等复杂操作[^5]。 #### 结合 Dash 构建 Web 应用程序 如果希望将这些交互式的视觉组件嵌入到完整的 web 应用当中，则可以考虑搭配 Flask 或者官方推荐框架 Dash 来构建前端界面[^6]。 ```python from dash import Dash, dcc, html import plotly.express as px import pandas as pd app = Dash(__name__) df = pd.read_csv('https://raw.githubusercontent.com/plotly/datasets/master/gapminder_unfiltered.csv') fig = px.scatter( df.query("year==2007"), x="gdpPercap", y="lifeExp", size="pop", color="continent", hover_name="country", log_x=True, size_max=60) app.layout = html.Div([ dcc.Graph(figure=fig) ]) if __name__ == '__main__': app.run_server(debug=True) ``` 此段脚本展示了怎样快速搭建起包含单个 Scatter Plot 的小型在线服务实例[^6]。