为什么选择交互式可视化？

Matplotlib 和 Seaborn 是数据科学社区中流行的库，可以生成用于可视化的精美绘图和图表，数据科学家必须花费大量时间使用 seaborn 或 matplotlib 库生成和自定义绘图。

并且这2个库入门并不是那么容易！看下面用这2个库如何完成这个任务！

让我们使用 seaborn 生成一个样本静态条形图来可视化几个国家在 2007 年的人口。

（此处已添加圈子卡片，请到今日头条客户端查看）seaborn来可视化

效果如上，代码如下：

sns.barplot(data=df, x='country', y='pop') plt.show()

虽然，seaborn很简单，但是可定制性不好。

Matplotlib来画图分析

用Matplotlib效果如上，代码如下：

plt.figure(figsize=(14,4)) sns.barplot(data=df, x='country', y='pop') plt.xticks(rotation=90) plt.grid(axis='y') plt.show()

X 轴有 142 个类别（国家/地区），这使得该图难以解释。必须过滤前 60 个国家以获得更好的可视化效果。

plt.figure(figsize=(14,4)) sns.barplot(data=df[df['country'].isin(list(df['country'].unique())[:60])], x ='country', y='pop') plt.xticks(rotation=90) plt.grid(axis='y') plt.show()

必须编写多行 Python 代码，才能使情节美观且直观。尽管如此，这些情节本质上是静态的，从情节中获得每个国家的确切人口有点困难。

怎么又简单，还可以动态交互数据可视化呢？

Plotly Express神器来了

Plotly Express 是plotly库的包装器。Plotly Express 的函数 API 设计为尽可能一致且易于学习，从而可以在整个数据探索会话期间轻松地从散点图切换到条形图、直方图和旭日图。Plotly Express 在一行 Python 代码中生成直观的交互式绘图

先看看它的效果吧。

并且居然，只使用了3行代码就搞定。看看下面的代码吧。

import plotly.express as pxpx.bar(data_frame=df, x='country', y='pop')

神器的安装

pip install plotly

这么神奇的神器安装也不多废话，一句搞定。

总结

Plotly Express 是一种生成交互式绘图和图形的便捷工具，它使数据分析更加直观。可以将鼠标悬停在图上，以与图进行交互演示来提高效率。

然而，与 seaborn 或 matplotlib 相比，来自 Plotly Express 的 Plots 的可定制性并不高。因此，seaborn 或 matplotlib 可用于生成可定制的绘图，而 Plotly Express 可用于从绘图中生成快速见解。