Plotly数据可视化离线版微软vscode版的Python

　　1介绍：
　　1。1Plotly是一款用来做数据分析和可视化的在线平台，功能非常强大。
　　1。2Plotly是一个非常著名且强大的开源数据可视化框架，它通过构建基于浏览器显示的web形式的可交互图表来展示信息。
　　1。3具有多种语言python、javascript、matlab、R、Jupyter、Excel等的API接口。
　　1。4Plotly有在线和离线两种模式。
　　1。5优点：
　　1。5。1可开发web版可视化界面。
　　1。5。2相比matplotlib、R更加现代化。
　　1。5。3支持3D可视化绘图。
　　2说明：
　　2。1本次先讲解：离线版、微软vscode版、python版代码的常见作图。（网上多是以jupyternotebook为开发工具的在线版或者离线版，随着微软代码编辑器vscode的使用普及，所以本人重点介绍vscode版离线版的python代码）
　　2。2环境：deepinlinux深度操作系统，python3。8，谷歌浏览器，微软vscode编辑器。
　　2。3对官方的代码：进行修改，注释。
　　2。4基本作图通俗易懂，拿来就可以使用。
　　2。5高级的交互式作图下次讲解。
　　2。6网址打开奇慢：https：plot。lypython
　　3安装：
　　pipinstallplotlysudopipinstallplotly一般是这样pip3。8installplotly本机安装pipinstallplotlyupgrade如果已经安装，升级就这样
　　4柱状图：
　　4。1bar代码：importplotlyaspyimportplotly。graphobjsasgopypltpy。offline。plot离线设置2组数据的柱状图trace0go。Bar（x〔Jan，Feb，Mar，Apr，May，Jun，Jul，Aug，Sep，Oct，Nov，Dec〕，y〔20，14，25，16，18，22，19，15，12，16，14，17〕，namePrimaryProduct，markerdict（colorrgb（49，130，189）））trace1go。Bar（x〔Jan，Feb，Mar，Apr，May，Jun，Jul，Aug，Sep，Oct，Nov，Dec〕，y〔19，14，22，14，16，19，15，14，10，12，12，16〕，nameSecondaryProduct，markerdict（colorrgb（204，204，204）））data〔trace0，trace1〕layoutgo。Layout（titleplotly柱状图bar）figgo。Figure（datadata，layoutlayout）文件名，并保存在根目录下，也可以指定目录pyplt（fig，filenameplotly的bar。html）
　　4。2堆叠柱状图代码：importplotlyaspyimportplotly。graphobjsasgopypltpy。offline。plottrace1go。Bar（x〔giraffes，orangutans，monkeys〕，y〔20，14，23〕，nameSFZoo）trace2go。Bar（x〔giraffes，orangutans，monkeys〕，y〔12，18，29〕，nameLAZoo）data〔trace1，trace2〕堆叠柱状图layoutgo。Layout（barmodestack，titleplotly的堆叠柱状图）figgo。Figure（datadata，layoutlayout）pyplt（fig，filenameplotly的stackbar。html）
　　5饼状图
　　5。1plotly的pie。py代码：importplotlyaspyimportplotly。graphobjsasgopypltpy。offline。plot离线设置定义数值labels〔产品1，产品2，产品3，产品4，产品5〕values〔38。7，15。33，19。9，8。6，17。47〕定义trace或者datatrace〔go。Pie（labelslabels，valuesvalues）〕layoutgo。Layout（titleplotly的pie图）figgo。Figure（datatrace，layoutlayout）pyplt（fig，filenameplotly的pie。html）
　　5。2shanpie。py代码importplotlyaspyimportplotly。graphobjsasgopypltpy。offline。plot数据定义labels〔产品1，产品2，产品3，产品4，产品5〕values〔30，25，15，22，8〕colors〔FFFF00，FF0000，E066FF，0D0D0D〕trace或者data数据定义trace〔go。Pie（labelslabels，valuesvalues，rotation30，opacity1，showlegendFalse，图例显示否，True就是显示pull〔0。1，0，0，0，0〕，0。1为第一组数据出来pull产品130的那一组hoverinfolabelpercent，textinfopercent，textinfovalue，textfontdict（size30，colorwhite），markerdict（colorscolors，linedict（color000000，width2）））〕figgo。Figure（datatrace）注意fig中无layout布局pyplt（trace，filenameplotly的shanpie。html）
　　5。3plotly的环形圆，circlepie。py代码：importplotlyaspyimportplotly。graphobjsasgopypltpy。offline。plotlabels〔完成，未完成〕values〔0。8，0。2〕trace〔go。Pie（labelslabels，valuesvalues，hole0。7，空闲大小比值hoverinfolabelpercent）〕标题定义layoutgo。Layout（titleplotly的环形圈图）figgo。Figure（datatrace，layoutlayout）pyplt（fig，filenamecirclepie。html）
　　6折线图line
　　6。1方法一：导出模块importplotlyimportplotly。graphobjsasgo直接把数据写入离线模块里plotly。offline。plot（｛data：〔go。Scatter（x〔1，2，3，4〕，y〔4，3，2，1〕），go。Scatter（x〔2，1，4，3〕，y〔3，1，4，2〕），〕，layout：go。Layout（titleplotly的line图）｝，autoopenTrue）自动打开注意以上并未出现代码生成的html文件名和保存地址采用默认法，如下参数介绍，如filenametempplot。htmlplot（figureordata，showlinkFalse，linktextExporttoplot。ly，validateTrue，outputtypefile，includeplotlyjsTrue，filenametempplot。html，autoopenTrue，imageNone，imagefilenameplotimage，imagewidth800，imageheight600，configNone，includemathjaxFalse，autoplayTrue，animationoptsNone）
　　6。2方法二：常规方法importplotlyaspyimportplotly。graphobjsasgopypltpy。offline。plot数据资料设置trace0go。Scatter（x〔1，2，3，4〕，y〔10，15，13，17〕）trace1go。Scatter（x〔1，2，3，4〕，y〔16，5，11，9〕）如果数据较多较多，以后还可以读取数据方法，那是高级法data〔trace0，trace1〕布局并定义标题layoutgo。Layout（title常规方法的折线图line）定义画布，挂在data和layoutfiggo。Figure（datadata，layoutlayout）pyplt（fig，filenameline。html）
　　7散点图代码：随机散点图的常规方法importplotlyaspyimportplotly。graphobjsasgoimportnumpyasnppypltpy。offline。plot离线设置定义数据来源trace1go。Scatter（datago。Scatter（ynp。random。randn（500），modemarkers，markerdict（size16，colornp。random。randn（500），colorscaleViridis，showscaleTrue））data〔trace1〕注意被注释掉的是规范写法，但也可以直接data取代trace1layoutgo。Layout（titleplotly的Scatter的散点图）figgo。Figure（datadata，layoutlayout）pyplt（fig，filenameplotly的Scatter。html）
　　以上为常规基本作图，高级作图未完待续
　　我觉得比pyecharts还好用，github非常火的可视化作图，当然它的功能步仅仅是本文基本作图，高级作图下次介绍。
　　自己整理，分享出来，喜欢的就点赞、收藏和转发。