Python 如何使用Plotly Express创建子图

在本文中，我们将介绍如何使用Python中的Plotly Express库创建子图。Plotly Express是一个数据可视化库，它提供了一种简单而灵活的方式来绘制各种图表，包括子图。

什么是Plotly Express？

Plotly Express是Plotly库的高级接口，它可以让我们用尽可能少的代码来创建各种类型的图表。它具有很多有用的功能，比如颜色编码、动态交互和自动生成图例等。使用Plotly Express，我们可以轻松地创建出色的数据可视化效果。

如何安装Plotly Express？

要使用Plotly Express，我们首先需要安装Plotly库。可以通过运行以下命令来安装Plotly：

pip install plotly

创建基本子图

首先，让我们创建一个简单的子图。假设我们有两个数据集，分别是“data1”和“data2”，并且我们想要将它们在同一张图上进行对比。

import plotly.express as px

# 创建数据
data1 = {'x': [1, 2, 3, 4, 5], 'y': [1, 4, 9, 16, 25]}
data2 = {'x': [1, 2, 3, 4, 5], 'y': [1, 2, 3, 4, 5]}

# 创建子图
fig = px.scatter(data1, x='x', y='y')
fig.add_scatter(data2, x='x', y='y')

# 显示图表
fig.show()

在上面的例子中，我们使用Plotly Express的scatter函数创建了一个散点图，然后使用add_scatter函数添加了第二个数据集的散点图。最后，我们使用show函数显示了整个图表。

自定义子图布局

除了默认的布局，我们还可以自定义子图的布局。Plotly Express提供了各种选项来控制子图的外观和排列方式。

import plotly.graph_objects as go

# 创建数据
data1 = {'x': [1, 2, 3, 4, 5], 'y': [1, 4, 9, 16, 25]}
data2 = {'x': [1, 2, 3, 4, 5], 'y': [1, 2, 3, 4, 5]}

# 创建子图布局
fig = make_subplots(rows=1, cols=2)

# 添加子图
fig.add_trace(
    go.Scatter(x=data1['x'], y=data1['y'], mode='lines', name='data1'),
    row=1, col=1
)

fig.add_trace(
    go.Scatter(x=data2['x'], y=data2['y'], mode='markers', name='data2'),
    row=1, col=2
)

# 更新布局
fig.update_layout(
    title='子图示例',
    autosize=False,
    width=800,
    height=400,
    showlegend=True
)

# 显示图表
fig.show()

在这个例子中，我们使用了Plotly Express以外的Plotly模块，即graph_objects。我们首先创建了一个子图布局，使用make_subplots函数指定布局的行数和列数。然后，我们使用add_trace函数分别将两个数据集的图添加到子图中。最后，我们使用update_layout函数来自定义布局的标题、大小和图例等。

组合不同类型的图表

除了在一个子图中显示多个相同类型的图表，我们还可以将不同类型的图表组合在一起。下面是一个例子，展示了如何组合散点图和柱状图。

import plotly.graph_objects as go

# 创建数据
data1 = {'x': [1, 2, 3, 4, 5], 'y': [1, 4, 9, 16, 25]}
data2 = {'x': [1, 2, 3, 4, 5], 'y': [1, 2, 3, 4, 5]}

# 创建子图布局
fig = make_subplots(rows=1, cols=2)

# 添加散点图
fig.add_trace(
    go.Scatter(x=data1['x'], y=data1['y'], mode='markers', name='散点图'),
    row=1, col=1
)

# 添加柱状图
fig.add_trace(
    go.Bar(x=data2['x'], y=data2['y'], name='柱状图'),
    row=1, col=2
)

# 更新布局
fig.update_layout(
    title='不同类型的图表组合',
    autosize=False,
    width=800,
    height=400,
    showlegend=True
)

# 显示图表
fig.show()

在这个例子中，我们使用了两个不同类型的图表：散点图和柱状图。我们仍然使用了make_subplots函数来创建子图布局，并使用add_trace函数将两个图表添加到相应的子图中。