Plotly Express 是一个新的高级 Python 可视化库：它是 Plotly.py 高级封装，它为复杂的图表提供了一种简单的语法。 受 Seaborn 和 ggplot2 它的灵感是专门设计的，简单、一致、易学 API ：只需一次导入，就可以在函数调用中创建丰富的交互式绘图，包括分面绘图（faceting）、地图、动画和趋势线。 它有数据集、颜色面板和主题，就像 Plotly.py 一样。Plotly Express 完全免费：开源宽松 MIT 你可以随意使用许可证(是的，甚至在商业产品中！）。 最重要的是，Plotly Express 与 Plotly 生态系统的其它部分是完全兼容的：在你身上 Dash 应用程序中使用它，使用它 Orca 将您的数据导出到几乎任何文件格式，或使用JupyterLab 图表编辑器在 GUI 编辑他们！

用 pip install plotly_express 可以安装命令 Plotly Express。

使用 Plotly Express 数据可视化很容易

一旦导入Plotlyy，一旦导入Plotly Express（通常是 px ），大多数绘图只需要一个函数调用，接受一个整洁的Pandas dataframe，并简要描述你想要制作的图片。 如果你想要一个基本的散点图，它只是px.scatter（data，x =“column_name”，y =“column_name”）。

以下是 内置的 Gapminder 数据集 示例显示，2007年国家/地区人均预期寿命和人均GDP 之间的趋势：

如果你想通过大陆区分它们，你可以使用它们 color 参数为你的点着色，由 px 设置默认颜色、设置图例等：

这里的每一点都是一个国家，所以也许我们想根据国家人口来衡量这些点... 没问题:这里还有一个设置参数，叫做 size：

假如你好奇哪个国家对应哪个点？ 可以添加一个 hover_name ，你可以很容易地识别任何一点：把鼠标放在你感兴趣的点上！ 事实上，即使没有 hover_name ，整个图表也是互动的：

也可以通过 facet_col =”continent“ 像着色点一样容易划分大洲，让我们使用它们 x轴 对数（log_x）让我们在图表中看得更清楚：

也许你不只是对的 2007年 感兴趣，你想看看这个图表是如何随着时间的推移而演变的。 设置可以通过 animation_frame =“year” （以及 animation_group =“country” 设置动画来识别哪些圆与控制条中的年份相匹配)。 在这个最终版本中，让我们在这里调整一些显示，因为就像“gdpPercap” 即使它是我们数据框列的名字，这样的文本也有点难看。 我们可以提供更漂亮的标签 （labels），在整个图表、图例、标题轴和悬停中（hovers）中应用。 我们还可以手动设置边界，让动画在整个过程中看起来更好：