Plotly圖表全面使用指南 -- Displaying Figures in Python

文中內容僅限技術學習與代碼實踐參考，市場存在不確定性，技術分析需謹慎驗證，不構成任何投資建議。

在 Python 中顯示圖形

使用 Plotly 的 Python 圖形庫顯示圖形。

顯示圖形

Plotly的Python圖形庫plotly.py提供了多種顯示圖形的選項和方法。

通常有五種不同的方法可以顯示plotly圖形：

在腳本或筆記本中使用renderers框架（本文主要主題）
在Web應用中使用Dash
在ipywidgets環境中使用FigureWidget而非Figure
導出為HTML文件并在瀏覽器中立即或稍后加載
使用Kaleido將圖形渲染為靜態圖像文件（如PNG/JPEG/SVG/PDF/EPS）并在任何查看器中加載

下文將討論前三種方法。

使用`renderers`框架顯示圖形

renderers框架是一種靈活的方法，可在多種環境中顯示plotly.py圖形。要使用此框架顯示圖形，可以在圖形對象上調用.show()方法，或將圖形傳遞給plotly.io.show函數。兩種方式都會使用當前默認的渲染器顯示圖形。

import plotly.graph_objects as go
fig = go.Figure(data=[go.Bar(y=[2, 1, 3])],layout_title_text="使用fig.show()顯示的圖形"
)
fig.show()

大多數情況下，可以省略.show()調用，讓圖形自動顯示：

import plotly.graph_objects as go
fig = go.Figure(data=[go.Bar(y=[2, 1, 3])],layout_title_text="自動顯示的圖形"
)
fig

需滿足兩個條件才能自動顯示圖形：首先，單元格中的最后一個表達式必須是圖形；其次，plotly.py必須在IPython內核中運行。

多數環境下會自動選擇合適的渲染器，無需額外配置。 這些環境包括經典的Jupyter Notebook、JupyterLab、VS Code筆記本、Google Colab、Kaggle筆記本、Azure筆記本以及Python交互式shell。

其他環境（如IPython控制臺、QtConsole、Spyder等）也支持兼容的渲染器。

接下來將介紹如何配置默認渲染器，并詳細描述所有內置渲染器及其適用場景。

注意：renderers框架是早期版本中plotly.offline.iplot和plotly.offline.plot函數的通用化實現。這些函數已通過renderers框架重構，仍支持向后兼容，但本文不作討論。

設置默認渲染器

使用plotly.io.renderers配置對象管理當前和可用的渲染器。顯示此對象可查看當前默認渲染器和所有可用渲染器列表。

import plotly.io as pio
pio.renderers

您看到的默認渲染器可能與此處不同，因為plotly.py會在啟動時嘗試自動檢測合適的渲染器。可通過將可用渲染器名稱賦值給pio.renderers.default屬性來更改默認渲染器。例如，切換到在默認瀏覽器標簽頁中打開圖形的'browser'渲染器：

import plotly.io as pio
pio.renderers.default = "browser"

注意：默認渲染器在單次會話中持續有效，但不會跨會話保存。在IPython內核中工作意味著默認渲染器在內核生命周期內有效，但重啟內核后不會保留。

也可通過系統環境變量設置默認渲染器。啟動時，plotly.py會檢查名為PLOTLY_RENDERER的環境變量。如果此變量設置為可用渲染器名稱，則將其設為默認值。

臨時覆蓋默認渲染器

可通過向show()方法傳遞renderer參數臨時覆蓋默認渲染器。以下示例在不更改默認渲染器的情況下使用svg渲染器（后文介紹）顯示圖形：

import plotly.graph_objects as go
fig = go.Figure(data=[go.Bar(y=[2, 1, 3])],layout_title_text="使用'svg'渲染器顯示的圖形"
)
fig.show(renderer="svg")

內置渲染器

本節詳細介紹內置渲染器，以便選擇最適合需求的選項。

交互式渲染器

交互式渲染器使用plotly.js JavaScript庫顯示圖形，支持平移、縮放、懸停提示等交互功能。

`notebook`

專為經典Jupyter Notebook（非JupyterLab）設計。首次渲染圖形時將完整的plotly.js JavaScript庫添加到筆記本中，因此無需互聯網連接。

此渲染器適合導出為HTML文件的筆記本（通過nbconvert或"下載為HTML"操作），因為導出的HTML文件可離線工作。

注意：添加plotly.js包會使筆記本增加幾MB大小。若始終有網絡連接，可考慮使用notebook_connected渲染器以減小筆記本體積。

`notebook_connected`

與notebook渲染器相同，但plotly.js庫從在線CDN加載。這節省了幾MB空間，但需要互聯網連接才能顯示圖形。

此渲染器適合通過nbviewer共享的筆記本，因為用戶需聯網才能訪問nbviewer。

`kaggle`和`azure`

notebook_connected的別名，適用于Kaggle內核和Azure Notebooks。

`colab`

專為Google Colab設計的自定義渲染器。

`browser`

在默認瀏覽器的標簽頁中打開圖形。此渲染器要求Python內核與瀏覽器在同一本地機器運行，不兼容Jupyter Hub或在線筆記本服務。

實現說明1："默認瀏覽器"由Pythonwebbrowser模塊選擇。

實現說明2：通過單次使用的本地Web服務器在端口上提供圖形。服務器在圖形加載后立即關閉，因此刷新瀏覽器無法恢復圖形。

`firefox`、`chrome`和`chromium`

與browser渲染器相同，但強制使用特定瀏覽器。

`iframe`和`iframe_connected`

將圖形寫入獨立的HTML文件，并顯示引用這些文件的iframe元素。iframe渲染器在HTML文件中包含plotly.js庫，iframe_connected則引用在線CDN位置加載plotly.js。因此iframe_connected生成的文件更小，但需要聯網。

此渲染器適用于包含大量大型圖形的筆記本。使用notebook或notebook_connected時，所有圖形數據都內聯存儲在筆記本中。如果導致筆記本過大，可使用iframe渲染器替代，圖形數據存儲在單獨的HTML文件中，從而減小筆記本體積。

實現說明：HTML文件存儲在iframe_figures子目錄中，文件名基于生成圖形的筆記本單元格執行序號。這意味著每次重啟內核都會覆蓋之前的HTML文件。因此不應在相同目錄存儲多個使用iframe渲染器的筆記本，否則可能導致圖形相互覆蓋。

`plotly_mimetype`

創建圖形的規范（稱為MIME類型包），并請求當前用戶界面顯示它。支持此渲染器的界面包括JupyterLab、nteract和VS Code筆記本界面。

`jupyterlab`、`nteract`和`vscode`

plotly_mimetype的別名，適用于JupyterLab、nteract和VS Code筆記本界面。注意在VSCode中，用于渲染的plotly.js版本由vscode-python擴展提供，通常比最新版落后數周，因此最新功能可能無法立即使用。Nteract情況類似。

靜態圖像渲染器

提供一組渲染器將圖形顯示為靜態圖像。詳見靜態圖像導出頁面。

`png`、`jpeg`和`svg`

這些渲染器將圖形顯示為靜態的.png、.jpeg和.svg文件。適用于不支持內聯HTML輸出但支持內聯靜態圖像的環境，如QtConsole、Spyder和PyCharm筆記本界面。

import plotly.graph_objects as go
fig = go.Figure(data=[go.Bar(y=[2, 1, 3])],layout_title_text="使用'png'渲染器顯示的圖形"
)
fig.show(renderer="png")

`pdf`

將圖形顯示為靜態PDF文件。特別適用于通過nbconvert的LaTeX導出功能導出為PDF的筆記本。

其他渲染器

`json`

在支持的環境（JupyterLab、nteract、VS Code筆記本界面）中，以可折疊的交互式樹結構顯示圖形的JSON表示。這對檢查復雜圖形的結構非常有用。

多渲染器

通過用"+"連接名稱可指定多個渲染器。這在需要支持多環境的代碼中很有用。例如，如果筆記本的默認渲染器字符串為"notebook+plotly_mimetype+pdf"，則該筆記本可在經典Jupyter Notebook、JupyterLab中運行，并支持通過nbconvert導出為PDF。

自定義內置渲染器

大多數內置渲染器都有可配置選項。要查看渲染器描述及其配置選項，可在plotly.io.renderers配置對象上使用字典式鍵訪問并顯示它。例如訪問并顯示png渲染器：

import plotly.io as pio
png_renderer = pio.renderers["png"]
png_renderer

輸出顯示png渲染器支持三個屬性：width、height和scale。可通過賦值自定義這些屬性。

以下示例自定義png渲染器更改圖像尺寸，設為默認渲染器后顯示圖形：

import plotly.io as pio
png_renderer = pio.renderers["png"]
png_renderer.width = 500
png_renderer.height = 500pio.renderers.default = "png"import plotly.graph_objects as go
fig = go.Figure(data=[go.Bar(y=[2, 1, 3])],layout_title_text="使用'png'渲染器顯示的圖形"
)
fig.show()

也可通過向show()方法傳遞關鍵字參數臨時覆蓋渲染器參數值：

import plotly.graph_objects as gofig = go.Figure(data=[go.Bar(y=[2, 1, 3])],layout_title_text="使用'png'渲染器顯示的圖形"
)
fig.show(renderer="png", width=800, height=300)

在Dash中顯示圖形

Dash是使用Plotly圖形構建Python分析應用的最佳方式。要運行下方應用，請執行pip install dash，點擊"Download"獲取代碼并運行python app.py。

參考官方Dash文檔入門，學習如何輕松設計和部署此類應用。

from dash import Dash, dcc, html, Input, Output
import plotly.graph_objects as go
import numpy as npapp = Dash(__name__)app.layout = html.Div([html.H4('Interactive plot with custom data source'),dcc.Graph(id="graph"),html.P("Number of bars:"),dcc.Slider(id="slider", min=2, max=10, value=4, step=1),
])@app.callback(Output("graph", "figure"),Input("slider", "value"))
def update_bar_chart(size):data = np.random.normal(3, 2, size=size) # replace with your own data sourcefig = go.Figure(data=[go.Bar(y=data)],layout_title_text="Native Plotly rendering in Dash")return figapp.run(debug=True)

使用`ipywidgets`顯示圖形

Plotly圖形可在ipywidgets環境中通過plotly.graph_objects.FigureWidget對象顯示。FigureWidget既是圖形對象（類似plotly.graph_objects.Figure），因此可以像常規Figure一樣添加軌跡和更新；同時也是ipywidgets對象，這意味著可與其他ipywidgets一起顯示以構建用戶界面。

詳見Plotly FigureWidget概述了解如何將plotly.py圖形與ipywidgets集成。

重要提示：FigureWidget不使用上述渲染器框架，因此不應在FigureWidget對象上使用plotly.io.show函數。

性能

無論選擇何種方式顯示圖形，圖形數據結構都會首先（自動在內部）序列化為JSON字符串，然后從Python環境傳輸到瀏覽器（或先到HTML文件，或到Kaleido進行靜態圖像導出）。

5.0版新增功能

對于包含大量數據點或大型numpy數組/數據框的圖形，默認JSON序列化機制可能較慢。如果安裝了orjson包，plotly將使用它替代內置的json包，這可為大型圖形帶來5-10倍加速。

圖形序列化為JSON后，必須由瀏覽器渲染（立即在用戶瀏覽器中，或導出為HTML后稍后渲染），或由Kaleido的內部無頭瀏覽器為靜態圖像導出立即渲染。渲染時間通常與圖形中的數據點總數、軌跡數和子圖數量成正比。當渲染性能較慢時，建議考慮使用plotly WebGL軌跡利用瀏覽器的GPU加速渲染，或使用Datashader庫在Python端渲染后通過px.imshow()渲染圖形。