序言
雖然上次寫了一個(gè)plotly繪圖說明的一篇文章，向大家介紹了一下plotly這個(gè)很好用的python的畫交互式圖/網(wǎng)頁的庫灌具，但時(shí)代畢竟在變化割捅，最近在我再次上plotly的官網(wǎng)準(zhǔn)備查看官方文檔的時(shí)候恩掷，竟然驚喜的發(fā)現(xiàn)，plotly竟然在不知不覺中升級到了4.0的版本树灶，要知道纤怒，版本號的更迭都有其意義，像這種最大位數(shù)上的數(shù)字的變化天通，絕對是很大的一次調(diào)整泊窘。
所以作為一個(gè)plotly的attributor之一，我今天就來吹一波plotly的更新！烘豹！
正文
首先一上來的最大的改變自然是在python部分的plotly的首頁
相比于之前的首頁對不起這里找不到之前的首頁瓜贾，最顯眼的自然就是Version 4 migration Guide。其實(shí)其實(shí)還有一個(gè)不是很顯眼携悯，但是其實(shí)后來發(fā)現(xiàn)十分十分重要的一個(gè)模塊的增加祭芦，也就是plotly Express，這個(gè)模塊后面會(huì)重點(diǎn)講到劃重點(diǎn)了劃重點(diǎn)了憔鬼。
我們可以點(diǎn)進(jìn)去Version 4 migration Guide里面龟劲，我們就可以知道一些比較重大的變化/遷移(mirgration)。
所以在這里也可以毫不猶豫的說一聲
plotly 4.0 重點(diǎn)就是在于改變了一些原來3.X版本下的冗余逊彭，算是大刀闊斧的砍掉了一些模塊了
遷移
online版的plotly遷移到了chart-studio中
不知道有沒有讀者在用plotly的online版的咸灿，反正我其實(shí)是沒有用的，一方面是經(jīng)常要處理的數(shù)據(jù)很大（我們單位網(wǎng)速又很抓馬）侮叮，另外一方面有時(shí)不付費(fèi)的話只能使用非常有限的儲(chǔ)存空間。而且再再加上我更喜歡寫代碼而不是交互式點(diǎn)擊的方式去畫圖悼瘾，所以online版跟我始終無緣囊榜。
但正如我上一篇里面提到的，plotly是一個(gè)跨平臺的可以兼容多種語言的工具庫亥宿，所以online版也無可厚非卸勺，一個(gè)愿打一個(gè)愿挨嘛，商品經(jīng)濟(jì)烫扼。
但是Ｊ锴蟆！映企！我每次使用import plotly的時(shí)候真的很煩悟狱。。堰氓。為什么呢挤渐？
就是plotly的default選項(xiàng)是使用online版，所以如果你要使用offline的輸出一些圖片或者網(wǎng)頁的話双絮，要再加一層浴麻，也就是plotly.offline.plot。當(dāng)然這也僅僅是加多幾個(gè)字的原因囤攀，所以我也一直這么使用软免，但是plotly公司會(huì)考慮到這一點(diǎn)，然后把plotly這個(gè)名號全部讓給了離線版焚挠，然后把online版的代碼遷移到了chart-studio中去膏萧，真的就很大方以及很慷慨。這里再尬吹一波plotly的抉擇，這樣子想必會(huì)有更多的開源代碼工作者愿意使用plotly作為自己的畫圖工具向抢，從而達(dá)到提高知名度的效果认境！
offline版的遷移
網(wǎng)頁中時(shí)這么說的Offline features (plotly.offline) replaced by Renderers framework & HTML export
其實(shí)有點(diǎn)令人看不懂，但大概的意思應(yīng)該是拋棄了這個(gè)模塊（雖然近幾個(gè)版本以內(nèi)應(yīng)該還在）挟鸠，然后把輸出圖片或者網(wǎng)頁的方法直接用figure這個(gè)實(shí)例的方法來代替叉信，也就是figure.to_html和figure.write_html。
這個(gè)也大大提高了使用時(shí)候的便捷艘希，不用再麻煩的從plotly.io 中import一個(gè)write_images來輸出圖片了硼身。
不過值得吐槽的是，通過orca的服務(wù)端來做網(wǎng)頁到pdf的渲染覆享，還是有些不穩(wěn)定佳遂。但重新打開一下orca的服務(wù)器端就好了，所以也不算個(gè)大問題撒顿，所以一直也沒有被解決丑罪。 orca的介紹在這里
plotly.tools.make_subplots遷移到plotly.subplots.make_subplots
新增了很多plotly的配色主題
新模塊plotly-Express
終于到了介紹這個(gè)全新的模塊的時(shí)候了！凤壁！這個(gè)也是我這次更新里很喜歡的一個(gè)語法糖 語法糖：特指沒有什么實(shí)質(zhì)作用吩屹，但會(huì)大幅度提高書寫的或者使用的便捷度的語法谐鼎。
首先開頭介紹一些這是個(gè)什么袭灯，簡單的說，
plotly-Express就是通過簡單的一個(gè)
function替使用者便捷的畫圖的模塊
同樣功能的模塊在別的繪圖庫中也非常的多凡伊，例如R中著名的ggplot唧席，或者說python中matplotlib的著名高級庫seaborn擦盾。（要是很多人沒聽過，質(zhì)疑這幾個(gè)著名淌哟，本作者概不負(fù)責(zé)）
以下可以介紹幾個(gè)例子（例子都是出自于plotly-Express的例子迹卢，這里我只是個(gè)搬運(yùn)工和解讀的角色）
自動(dòng)化散點(diǎn)圖的顏色
import plotly.express as px
iris = px.data.iris()
fig = px.scatter(iris, x="sepal_width", y="sepal_length", color="species")
fig.show()
這里導(dǎo)入了一個(gè)著名的數(shù)據(jù)集（鳶尾花），然后通過plotly.express绞绒，也就是我這次要講到的plotly-express進(jìn)行繪圖婶希。通過給定一個(gè)dataframe，然后通過指定列名就可以讓該function自動(dòng)幫助你進(jìn)行繪圖蓬衡。
其中通過給color指定列名喻杈，就可以讓plotly自動(dòng)的根據(jù)該列的值，進(jìn)行離散化的賦予顏色和組別狰晚。如果是原來的寫法筒饰，就得按照下面這么寫。
import plotly.graph_objects as go
fig = go.Figure()
for group in set(iris.loc[:,"species"]):
sub_df = iris.loc[iris.loc[:,"species"==group],:]
fig.add_scatter(x=sub_df.loc[:,"sepal_width"], y=sub_df.loc[:,"sepal_length"], name = group)
plotly.offline.iplot(fig)
并且壁晒，如果要指定顏色瓷们，還得自己辛苦的在循環(huán)中手動(dòng)的去賦值，就很麻煩。但是現(xiàn)在的方法就簡單了不少谬晕。
當(dāng)然也帶來了一些麻煩（畢竟麻煩和便利總是形影相隨的）碘裕，例如如果你的
species的列是連續(xù)值，但它其實(shí)是離散的類別變量攒钳，那么首先你得手動(dòng)的把該列轉(zhuǎn)換為字符串帮孔。而不是整數(shù)/浮點(diǎn)數(shù)。
自動(dòng)化散點(diǎn)圖的左右常用子圖
上面的例子其實(shí)也沒有簡化太多不撑，但是這個(gè)例子就簡單了很多文兢。而且似乎也很經(jīng)常需要畫類似的圖。
import plotly.express as px
iris = px.data.iris()
fig = px.scatter(iris, x="sepal_width", y="sepal_length", color="species", marginal_y="violin",
marginal_x="box", trendline="ols")
fig.show()
同樣地焕檬，這里用的是鳶尾花的數(shù)據(jù)集姆坚。除了再次自動(dòng)賦予color以外，例子中還有兩個(gè)特別的參數(shù)marginal_x 和marginal_y实愚。而且傳遞給它們的值也很奇怪兼呵，任何一個(gè)都不屬于鳶尾花數(shù)據(jù)集中的列名，讓我們先看看效果吧爆侣。
效果如上萍程，就是一個(gè)經(jīng)常使用的一個(gè)散點(diǎn)圖外加兩個(gè)子圖，并且這兩個(gè)子圖的布局要與左下角的散點(diǎn)圖保持很多的一致兔仰，例如共享x軸（上），共享y軸（右）蕉鸳，而且還得在右上角保留一個(gè)小小的空白區(qū)域乎赴。
所以如果要畫一個(gè)上面效果的圖，要寫的代碼量還是挺多的潮尝。
但使用plotly.express就很好的增添了這么一個(gè)語法糖的模塊榕吼，從而讓畫這樣的圖大大輕松。
ps：就算這個(gè)圖在繪制的過程中出了點(diǎn)bug勉失，但是這個(gè)構(gòu)建好的圖的
layout也可以利用起來羹蚣，可以把數(shù)據(jù)都刪掉，然后通過指定layout的方式重新再一個(gè)布局好的圖上進(jìn)行繪圖乱凿。
自動(dòng)化的pairwise散點(diǎn)圖
同上的顽素，直接看代碼吧
import plotly.express as px
iris = px.data.iris()
fig = px.scatter_matrix(iris, dimensions=["sepal_width", "sepal_length", "petal_width", "petal_length"], color="species")
fig.show()
這種pairwise的散點(diǎn)圖之前在plotly上畫起來也非常的困難，但其實(shí)在別的繪圖模塊里就比較常見徒蟆。
例如seaborn的Scatterplot Matrix
或者說基于ggplot的ggpairs
自動(dòng)化的Sankey 圖
接下來一個(gè)也是比較喜歡的一個(gè)圖胁出，因?yàn)樵?jīng)為了畫這么一個(gè)圖就辛苦的看文檔然后糾結(jié)了很久。
import plotly.express as px
tips = px.data.tips()
fig = px.parallel_categories(tips, color="size", color_continuous_scale=px.colors.sequential.Inferno)
fig.show()
但通過這么簡單的一個(gè)px.parallel_categories就可以簡單的在一堆通過多個(gè)分類變量描述的樣本中段审，用一個(gè)sankey plot去把分類變量之間的關(guān)系描述清楚全蝶。
添加動(dòng)畫控制（animation）
import plotly.express as px
gapminder = px.data.gapminder()
fig = px.scatter(gapminder, x="gdpPercap", y="lifeExp", animation_frame="year", animation_group="country",
size="pop", color="continent", hover_name="country", facet_col="continent",
log_x=True, size_max=45, range_x=[100,100000], range_y=[25,90])
fig.show()
交互式的網(wǎng)頁的其中一個(gè)好處就是可以使用動(dòng)畫animation，但是plotly中的動(dòng)畫控制對于初學(xué)者來說就常常十分難以理解，我自己如非必要也不會(huì)去寫這么一個(gè)動(dòng)畫控制抑淫，因?yàn)榫头浅５碾y寫绷落。雖然寫好了以后也很難展示 因?yàn)楹茈y給別人一個(gè)網(wǎng)頁的結(jié)果，但從交流/展示上來說始苇，就會(huì)非常的有意思砌烁。
- 由于簡書還不支持嵌入js，所以以下圖只是靜態(tài)圖埂蕊，建議到鏈接去看一下效果(:з」∠)
以上代碼中通過animation_frame來初始化了一個(gè)slider從而達(dá)到了一個(gè)往弓，拖動(dòng)進(jìn)度條就可以觀察到不同年份的數(shù)據(jù)散點(diǎn)圖的效果。
結(jié)語
數(shù)據(jù)可視化是個(gè)非常非常重要的展示的能力蓄氧，數(shù)據(jù)往往只是一堆雜亂無章的數(shù)字函似，只有有效的組織、排序喉童，才能把原來雜亂無章的數(shù)據(jù)撇寞，有序的很好的展現(xiàn)出來。而只有讓別人看懂你的數(shù)據(jù)堂氯，才能讓別人理解你的數(shù)據(jù)蔑担，所以可視化，非常非常重要咽白，別人完全不知道你的數(shù)據(jù)的由來啤握、設(shè)計(jì)、前因后果晶框，所以企圖讓一個(gè)別人理解你的數(shù)據(jù)排抬，只有好的可視化才能達(dá)到。
大家一起來學(xué)習(xí)可視化鴨~~~
下面的鏈接也放一些我收藏的對學(xué)習(xí)可視化很有幫助的網(wǎng)頁授段。
參考鏈接
plotly 新增模塊express
VisuAlgo - visualising data structures and algorithms through animation算法可視化
Visualizing Network Graphs — Bokeh 1.2.0 documentation
D3 / Observable
自定義地圖 | 高德地圖API
