楔子
记得在两年前，笔者大四的时候，接触了plotly这个非常牛的数据可视化模块。为此还买了一本书，但是后来放弃了，还是使用matplotlib，主要原因就是太难用了。估计不止我一个人这么认为，所以就有了plotly_express，它是对plotly进行了一个封装，可以更加地方便我们绘制出漂亮的图形。
先不说功能和matplotlib相比是强还是弱，至少在绘制出来的图表的"长相"方面，就已经秒杀matplotlib了。可能有人觉得那是你matplotlib水平不行，也许是这样吧，至少从我个人的角度来说，plotly_express(或者说plotly)绘制的图表就是比matplotlib绘制的图表长得漂亮。那么不多BB了，下面来看看这个新的可视化神器都支持绘制哪些图像、以及怎么绘制吧。
安装
首先肯定要安装，直接pip install plotly_express即可，然而当你安装完之后，会发现这个包里面只有一个__init__.py，里面代码只有两行
__version__ = "0.4.1" # sync with setup.py!
from plotly.express import *
所以我们看到，即使不安装这个包也可以。因为内容都是plotly.express里面的
import plotly_express as px
from plotly import express as px
# 所以以上两种方式是一样的，可以看出来这个plotly封装之后还是在plotly这个包里面
# 但是为了不让人产生困惑、或者更容易区分，我们还是使用plotly_express。
# 意思就是plotly_express和plotly是两个不同的包，前者是对后者的高级封装，更加方便开发者绘图。
plotly_express前戏
在介绍之前，我们来大致了解一下plotly_express支持的功能，比如：支持哪些图表啊、内置的数据集啊等等。
支持绘制的图表
scatter：散点图scatter_3d：三维散点图scatter_polar：极坐标散点图scatter_ternary：三元散点图scatter_mapbox：地图散点图scatter_geo：地理坐标散点图scatter_matrix：矩阵散点图line：折线图line_polar：极坐标折线图line_ternary：三元折线图line_mapbox：地图折线图line_geo：地理坐标折线图area：堆积区域图bar：条形图bar_polar：极坐标条形图histogram：直方图pie：饼图box：箱形图strip：长条图violin：小提琴图parallel_coordinates：平行坐标图parallel_categories：平行类别图density_contour：密度等值线图（双变量分布）density_heatmap：密度热力图（双变量分布）choropleth：等高(值)区域地图
内置数据集
import plotly_express as px
gapminder = px.data.gapminder()：不同国家历年GDP收入与人均寿命。包含字段：国家、洲、年份、平均寿命、人口数量、GDP、国家简称、国家编号；tips = px.data.tips()：餐馆的订单流水。包含字段：总账单、小费、性别、是否抽烟、星期几、就餐时间、人数iris = px.data.iris()：鸢尾花：萼片长、萼片宽、花瓣长、花瓣宽、种类、种类编号wind = px.data.wind()：风力等级：方向、强度、数值election = px.data.election()：2013年蒙特利尔市长选举投票结果。包括字段：区域、Coderre票数、Bergeron票数、Joly票数、总票数、胜者、结果(占比分类)carshare = px.data.carshare()：蒙特利尔一个区域中心附近的汽车共享服务的可用性。包括字段：纬度、经度、汽车小时数、高峰小时- 以上返回的都是pandas中的DataFrame
内置颜色面板
px.colors.carto：卡通片的色彩和序列px.colors.cmocean：CMOcean项目的色阶px.colors.colorbrewer：来自ColorBrewer2项目的色阶和序列px.colors.cyclical：周期性色标适用于具有自然周期结构的连续数据px.colors.diverging：分散色标适用于具有自然中点的连续数据px.colors.qualitative：定性色标适用于没有自然顺序的数据px.colors.sequential：顺序色标适用于大多数连续数据
该章节内容参考于：https://www.jianshu.com/p/41735ecd3f75
图表绘制
下面我们就开始绘制上面的图表了，以下代码都在jupyter notebook上运行。
# 该行代码后续将不再粘贴进来，知道px是什么就行
import plotly_express as px
scatter：散点图
下面我们来看看散点图，散点图通过px.scatter绘制，我们来看看支持哪些参数，关于参数：我个人按照使用的频率排了个序，使用频率越高的越先介绍，并且在介绍后面的函数的时候也是这样。因此参数具体在什么位置，可以通过源码查看，但是通过关键字参数传递肯定是没错的。另外由于参数比较多，所以我个人也推荐通过关键字参数传递。
data_frame：这个就是pandas的DataFrame对象x：列名，也就是绘制出的图表的x轴y：列名，也就是绘制出的图表的y轴color：列名，不同的值，自动设置不同的颜色；如果该列为数值类型，还会自动生成连续色标symbol：列名，不同的值，自动设置不同的标记形状。size：列名，不同的值，自动设置不同的大小hover_name：列名，将列中的值，加粗显示，并悬停在提示内容的正上方hover_data：多个列名组成的列表。所有列的值，显示在悬停提示内容中，位于x/y值的下方。指定的列与x/y重复时仅显示1条数据text：列名。列中的值，在图的标记中显示为文本标签，同时也显示在悬停提示内容中；facet_row：指定列名。根据列中不同的(N个)值，在垂直方向上显示N个子图，并在子图右侧，垂直方向上，进行文本标注；facet_col：指定列名。根据列中不同的(N个)值，在水平方向上显示N个子图，并在子图上方，水平方向上，进行文本标注；width：图表的宽度height：图表的高度title：图表的标题opacity：数字，介于0和1之间，设置标记的不透明度；labels：带字符串键和字符串值的dict，默认为{}。此参数用于修改图表中显示的列名称。默认情况下，图表中使用列名称作为轴标题、图例条目、悬停提示等，此参数可以进行修改，dict的键是列名，dict值是修改的新名称；error_x：指定列名。显示误差线，列中的值用于调整 X 轴误差线的大小。如果参数error_x_minus == None，则悬停提示内容中，显示对称的误差值；否则显示正向的误差值。该列通常是基于元数据加工的结果，目的是统计元数据指标的误差值，一般会用元数据除以100的整数倍。error_x_minus：指定列名。列中的值用于在负方向调整 X 轴误差线的大小，如果参数error_x==None，则直接忽略该参数；error_y：指定列名。显示误差线，列中的值用于调整 Y 轴误差线的大小。如果参数error_y_minus == None，则悬停提示内容中，显示对称的误差值；否则显示正向的误差值。该列通常是基于元数据加工的结果，目的是统计元数据指标的误差值，一般会用元数据除以100的整数倍。error_y_minus：指定列名。列中的值用于在负方向调整 Y 轴误差线的大小，如果参数error_y==None，则直接忽略该参数；animation_frame：指定列名。列中的值用于为动画帧指定标记，即设置滑动条；animation_group：指定列名。列中的值用于提供跨动画帧的联动匹配；category_orders：带有字符串键和字符串列表值的字典，默认为{}，此参数用于强制每列的特定值排序，dict键是列名，dict值是指定的排列顺序的字符串列表。默认情况下，在Python 3.6+中，轴，图例和构面中的分类值的顺序取决于在data_frame中首次出现的顺序，而在3.6以下的Python中，默认不保证顺序，该参数即为解决此类问题而设计；color_discrete_sequence：有效的CSS颜色字符串列表，取自plotly_express的color子模块。当参数color指定的列不是数值数据时，该参数为color列指定颜色序列，若category_orders参数不为None，则按category_orders中设定的顺序循环执行color_discrete_sequence，除非color列的值在参数color_discrete_map入参的dict键中；color_discrete_map：带字符串键和有效CSS颜色字符串值的dict，默认为{}。当参数color指定的列不是数值数据时，该参数用于将特定颜色分配给，与特定值对应的标记，color_discrete_map中的键为color表示的列值。其优先级高，会覆盖color_discrete_sequence参数中的设置；color_continuous_scale：有效的CSS颜色字符串列表，取自plotly_express的color子模块。当参数color指定的列是数值数据时，为连续色标，设置指定的颜色序列。实际上，color指定列时，px会自动匹配颜色：1）若指定列是数值数据，通过参数color_continuous_scale可以设定具体的颜色序列；2）若指定列是非数值数据时，通过参数color_discrete_sequence可以设定具体的颜色序列(循环匹配)；通过参数color_discrete_map可以为列中不同值，指定具体的颜色；range_color：2个数字元素组成的列表，参数用于设定连续色标上的自动缩放，即边界的大小值；color_continuous_midpoint：数字，默认为无。如果设置，则计算连续色标的边界以具有所需的中点。 若使用plotly_express.colors.diverging色标作为color_continuous_scale的如参时，建议设置此值；symbol_sequence：定义plotly.js符号的字符串列表。参数用于为列中的值分配符号，除非symbol的值是symbol_map中的键。分配符号的顺序：按按category_orders中设置的顺序循环执行；symbol_map：带字符串键和定义plotly.js符号的字符串值的dict，默认值{}。该参数用于将特定符号分配给，与特定值对应的标记，symbol_map中的键为symbol表示的列值。其优先级高，会覆盖symbol_sequence参数中的设置；size_max：整数，默认为20。使用size参数时，设置最大标记的大小；marginal_x：字符串，取值：rug(细条)、box(箱图)、violin(小提琴图)、histogram(直方图)。该参数用于在主图上方，绘制一个水平子图，以便对x分布，进行可视化；marginal_y：字符串，取值：rug(细条)、box(箱图)、violin(小提琴图)、histogram(直方图)。该参数用于在主图右侧，绘制一个垂直子图，以便对y分布，进行可视化；trendline：字符串，取值：ols、lowess、None。取值为ols时，将为每个离散颜色/符号组，绘制一个普通最小二乘回归线；取值为lowess时，则将为每个离散颜色/符号组，绘制局部加权散点图平滑线；trendline_color_override：字符串，有效的CSS颜色。如果设置了参数trendline趋势线，则将以此颜色绘制所有趋势线；log_x：布尔值，默认为False。如果为True，则 X 轴在笛卡尔坐标系中进行对数缩放；log_y：布尔值，默认为False。如果为True，则 Y 轴在笛卡尔坐标系中进行对数缩放；range_x：2个数字元素组成的列表，用于设定笛卡尔坐标中 X 轴上的自动缩放，即边界的大小值；range_y：2个数字元素组成的列表，用于设定笛卡尔坐标中 Y 轴上的自动缩放，即边界的大小值；render_mode：字符串，取值：auto(默认)、svg、webgl。用于控制绘制标记的浏览器API，svg适用于少于1000的数据，并允许完全矢量化输出；webgl可以接收1000点以上的数据；auto使用启发式方法来选择模式；template：字符串或Plotly.py模板对象，设置图表的背景颜色。有三个内置的 Plotly 主题： plotly， plotly_white 和 plotly_dark；
可以看到，参数是真的多，但是大部分都用不到。并且其它的函数里面的参数很多都是和scatter里面重合的。因此在介绍其它函数的时候，就不会把每一个参数都单独拉出来了。
iris = px.data.iris()
px.scatter(iris, x="sepal_width", y="sepal_length")
我们看到图还是很美的，并且x轴和y轴的label自动就是列名。
iris = px.data.iris()
# 我们指定color，这样对应species中的值不同，那么坐标系中的点就会显示不同的颜色
# 我们我们把labels也指定一下，将坐标轴给换掉，可以看到是支持中文的
px.scatter(iris, x="sepal_width", y="sepal_length", color="species", labels={"sepal_width": "哈哈", "sepal_length": "gaga"})
当然除了，color，还有symbol和size，以及设置透明度
iris = px.data.iris()
px.scatter(iris, x="sepal_width", y="sepal_length", color="species", symbol="species", size="species_id", opacity=0.5)
分别在图表的上方、右侧增加直方图、细条图
iris = px.data.iris()
px.scatter(iris, x="sepal_width", y="sepal_length", color="species",
marginal_y="rug", marginal_x="histogram")
分别在图表的上方、右侧增加箱形图、小提琴图，并添加趋势线
iris = px.data.iris()
px.scatter(iris, x="sepal_width", y="sepal_length", color="species",
marginal_y="violin", marginal_x="box", trendline="ols")
设置标题
iris = px.data.iris()
px.scatter(iris, x="sepal_width", y="sepal_length", title="标题")
