为什么plotly被称为“有史以来最牛逼”可视化神器？
作者：博观厚积
简书专栏：
https://www.jianshu.com/u/2f376f777ef1
Plotly，一个用于做分析和可视化的在线平台，曾被网友称为“有史以来最牛逼”可视化神器（具体无从考据，只是在搜索资料时看到的），为何有如此称号？因为它功能强大，功能强大，功能强大！重要的事情说三遍！
其功能强大到不仅与多个主流绘图软件的对接，而且还可以像Excel那样实现交互式制图，而且图表种类齐全，并可以实现在线分享以及开源，等等；这种功能强大到还没有一个人能够完全掌握其全部应用，甚至国内对它的介绍使用也仅仅只是其中一部分。接下来笔者对plotly的一些隐藏功能进行介绍，并部分以python的使用来简单说明。
（一）关于Plotly的功能
关于Plotly的功能介绍，有的从图表类型上：基本图表：20种；统计和海运方式图：12种；科学图表：21种；财务图表：2种；地图：8种；3D图表：19种；拟合工具：3种；流动图表：4种。。。。。
有的从交互性上：可以与R、python、matlab等软件对接，并且是开源免费的，对于Python，Plotly与Python中matplotlib、numpy、pandas等库可以无缝地集成，可以做出很多非常丰富，互动的图表，并且文档非常健全，创建图形相对简单，另外申请了API密钥后，可以在线一键将统计图形同步到云端。。。。
有的从制图的美观上：基于现代的配色组合、图表形式，比matpltloa、R语言的图表，更加现代、绚丽。。。。
即便如此，尚不能完全概括其功能，比如在图表类型上，除以上所说，由于其开源性，plotly上还有很多网友上传的自制图表，在plotly主页（https://plot.ly/ ）点击try free edition，在不登录的情况下（出来的log in 对话框点X），就会看到很多网友分享的图表，并且可以看到其代码，如下图：
这是一个不同国家回答“人类是否早期动物物种”的“yes”回答数量，但它不属于基本图形，因为其中一个柱子进行了颜色标注。我们点击该图形，在不登陆的情况下，就可以看到制作该类图形的api接口，根据它我们就可以模仿做出来该图形。
如图，其中data是该图形的数据表格，code则是不同软件api接口代码。
另外，plotly可以像excel那样进行交互式制图，在https://plot.ly/feed 点击make a plot，就会进入plotly在线绘图编辑工作台，如图：
在Grid1下边的表格中可以输入数据，在左边可以进行图形类型、变量选取，以及图形修饰等等工作，其中style就是对图形的图层、图例、标题、坐标轴等等内容的互动式美化；analysis则是对图形进行一些统计检验与分析，比如描述性统计、t检验、卡方检验、线性拟合、移动平均等等；JSON则是一些图形要素的json数据展示。在登陆的情况下，将绘制图形保存后，可以进行导出与分享，分享之后你就可以看到不同软件api的代码。下图就是使用style的功能对绘制完成的图形进行（trace、title等方面）美化。
另外 ，可以看到图中有个上方一行import按钮，点击进入，可以从这个按钮中导入excel、csv、SQL、URL等储存方式的数据。
（二）关于Plotly的python使用
在Plotly网站，点击Python软件类型选择件就可以进入专门使用python的主页（https://plot.ly/python/）：
左侧一列是导航，包含如何开始使用，使用说明，离线使用以及于其他库结合使用，还有例子，正文中下边就是各种图形，需要用哪种图形就可以点击进去寻找代码。特别说明的是：Plotly需要注册之后，并将注册名与密码放入代码里才能使用。
在Python使用plotly，首先要安装plotly库，在Plotly——getting start里有说明：
安装方法
pip install plotly 或者 sudo pip install plotly
需要升级的话，可以输入：
pip install plotly –upgrade
注册，在python交互环境下运行以下初始化命令，生成认证的安全文件 .plotly/.credentials。
py = plotly.plotly("Username", "API-Key")
（三）Plotly for python 的案例
Plotly for python 的案例，目前网上已有很多人分享，在这里不再赘述。在这里只是以一个简单案例介绍Plotly for python 的一些隐藏功能。以散点图为例：
import plotly.plotly as py
import plotly.graph_objs as go
# Create random data with numpy
import numpy as np
N = 100
random_x = np.linspace(0, 1, N) #建立0与1之间的等差数,1
random_y0 = np.random.randn(N)+5 #均值为5的正态分布随机数
random_y1 = np.random.randn(N)
random_y2 = np.random.randn(N)-5#均值为-5的正态分布随机数
# Create traces
trace0 = go.Scatter( x = random_x, y = random_y0, mode = 'markers', name = 'markers')
#构造散点图线条1
trace1 = go.Scatter( x = random_x, y = random_y1, mode = 'lines+markers', name = 'lines+markers')
trace2 = go.Scatter( x = random_x, y = random_y2, mode = 'lines', name = 'lines')
data = [trace0, trace1, trace2]
py.iplot(data, filename='scatter-mode')
生成图形如下：
这就是三条不同的线条，一条是点，一条是点+线，一条是线；从这个案例我们可以看出：
（1）plotly是以图中每一个元素作为一个函数进行设置的，而不是像matplotlib放在一个大函数下统一进行参数设置；如本例中的trace0、trace1、trace2，在里边也可以设置其图形形状（mode）、图例（name）的值；
（2）出来的图形是交互式的，还可以进行选择以及再编辑，如图右上角是图形范围操作的一些按钮，右下角是进入在线编辑工作台的按钮；
（3）进入在线编辑工作台后，出现如图2类似的界面，这时候可以对图形进一步美化，比如加背景，标题、坐标轴等等，有很多类似的操作，但在这里要注意有的操作是免费的，有的操作是要付费才能使用的。
（4）再做一些修改之后，在登陆的情况下，保存修改后的图形，然后在个人主页上的my profile中点击view就可以预览你所制作的图形，此时你所手动操作的一些修饰也会以代码的形式展示出来，并且是以不同R、python、matlab等软件展示出来，当你不会以输入代码的形式进行图形美化的时候，这种方式会给你以提示！！
（5）可以将你的图形以pdf、ppt、png等等格式下载下来，可以将数据下载到csv、sql等储存中，也可以将你的图形在facebook、推特、github等等地方分享，如果你有账号的话。。。
如图，我在plotly工作台上给图形加了一个大标题以及背景之后；
在code-python下会自动看到我的手动操作对应的python代码
data = Data([trace1, trace2, trace3]) layout = { "font": {"size": 13}, "paper_bgcolor": "rgb(188, 189, 34)", "plot_bgcolor": "rgb(255, 255, 255)", "title": "zjying scatter", "titlefont": { "color": "rgb(68, 68, 68)", "size": 21 }, "xaxis": { "autorange": True, "range": [-0.062925170068, 1.06292517007], "type": "linear" }, "yaxis": { "autorange": True, "range": [-9.28642456481, 8.63397900633], "type": "linear" } } fig = Figure(data=data, layout=layout) plot_url = py.plot(fig)
另外，plotly还可以对接pandas包，可以通过pandas的pd.read_csv（）命令导入csv格式数据。
总之，从以上一个小小案例，可以看到plotly的强大之处，在于无时无刻不交互——对接各种绘图软件、数据库，可以像excel一样对图形进行编辑，可以线上分享也可以学习各种各样的个人定制图表，可以下载成各种常用的输出形式。不过由于plotly是国外网站，网站打开速度有时候会慢，另外，免费版本的potly功能有的地方一些限制，但是能满足一般需求。
赞赏作者
Python爱好者社区历史文章大合集：
Python爱好者社区历史文章列表（每周append更新一次）
关注后在公众号内回复“课程”即可获取：
小编的Python入门视频课程！！！
崔老师爬虫实战案例免费学习视频。
丘老师数据科学入门指导免费学习视频。
陈老师数据分析报告制作免费学习视频。
玩转大数据分析！Spark2.X+Python 精华实战课程免费学习视频。
丘老师Python网络爬虫实战免费学习视频。