如何使用Python生成动态图表？Plotly交互式可视化教程

import plotly.express as px
import pandas as pd

# 模拟一些数据，真实场景下你会从CSV、数据库等加载
data = {
    'country': ['USA', 'USA', 'USA', 'USA', 'China', 'China', 'China', 'China', 'India', 'India', 'India', 'India'],
    'year': [2000, 2005, 2010, 2015, 2000, 2005, 2010, 2015, 2000, 2005, 2010, 2015],
    'gdp': [100, 120, 150, 180, 20, 50, 100, 160, 10, 25, 45, 80],
    'population': [280, 295, 310, 320, 1200, 1250, 1300, 1350, 1000, 1100, 1200, 1300]
}
df = pd.DataFrame(data)

# 创建一个动画散点图
fig = px.scatter(df,
                 x="gdp",
                 y="population",
                 animation_frame="year", # 根据年份进行动画
                 animation_group="country", # 确保同一国家的数据点在动画中保持连接
                 size="gdp", # 根据GDP大小调整点的大小
                 color="country", # 根据国家颜色区分
                 hover_name="country", # 鼠标悬停时显示国家名称
                 log_x=True, # GDP通常是指数增长，使用对数轴更合理
                 size_max=60, # 限制点的大小，避免过大
                 range_x=[5, 200], # 设置X轴范围
                 range_y=[250, 1400], # 设置Y轴范围
                 title="全球主要国家GDP与人口随时间变化"
                )

# 调整动画速度，让它慢一点，看得更清楚
fig.layout.updatemenus[0].buttons[0].args[1]['frame']['duration'] = 1500
fig.layout.updatemenus[0].buttons[0].args[1]['transition']['duration'] = 500

fig.show()

import plotly.express as px
import pandas as pd

# 模拟一些销售数据
sales_data = {
    'month': [1, 2, 3, 4, 1, 2, 3, 4, 1, 2, 3, 4],
    'product': ['A', 'A', 'A', 'A', 'B', 'B', 'B', 'B', 'C', 'C', 'C', 'C'],
    'sales': [100, 120, 150, 180, 80, 90, 110, 130, 50, 60, 70, 80]
}
df_sales = pd.DataFrame(sales_data)

# 计算累计销售额，这在实际分析中很常见
df_sales['cumulative_sales'] = df_sales.groupby('product')['sales'].cumsum()

fig_line_anim = px.line(df_sales,
                        x="month",
                        y="cumulative_sales",
                        color="product",
                        animation_frame="month", # 按月份动画
                        animation_group="product", # 确保每个产品的线条连续
                        title="产品累计销售额月度动画",
                        markers=True, # 显示数据点
                        range_y=[0, df_sales['cumulative_sales'].max() * 1.1] # 固定Y轴范围
                       )

# 再次调整动画速度，让它更平稳
fig_line_anim.layout.updatemenus[0].buttons[0].args[1]['frame']['duration'] = 1000
fig_line_anim.layout.updatemenus[0].buttons[0].args[1]['transition']['duration'] = 300

fig_line_anim.show()

import plotly.express as px
import pandas as pd
import plotly.graph_objects as go # 引入graph_objects，尽管我们主要用px，但用于layout定制

# 模拟一些复杂数据，包含不同类型的值
complex_data = {
    'category': ['A', 'A', 'A', 'B', 'B', 'B', 'C', 'C', 'C'],
    'metric1': [10, 12, 15, 20, 22, 25, 30, 32, 35],
    'metric2': [5, 6, 7, 8, 9, 10, 11, 12, 13],
    'year': [2020, 2021, 2022, 2020, 2021, 2022, 2020, 2021, 2022]
}
df_complex = pd.DataFrame(complex_data)

# 初始图表：显示metric1
fig_custom = px.bar(df_complex, x='category', y='metric1', color='year',
                    barmode='group', title='不同类别指标表现')

# 添加自定义按钮，用于切换显示的指标
fig_custom.update_layout(
    updatemenus=[
        dict(
            type="buttons",
            direction="right",
            active=0, # 默认激活第一个按钮
            x=0.01,
            y=1.15, # 按钮位置
            buttons=list([
                dict(label="Metric 1",
                     method="update",
                     args=[{"y": [df_complex['metric1']]}, # 更新Y轴数据为metric1
                           {"title": "不同类别 Metric 1 表现"}]), # 更新标题
                dict(label="Metric 2",
                     method="update",
                     args=[{"y": [df_complex['metric2']]}, # 更新Y轴数据为metric2
                           {"title": "不同类别 Metric 2 表现"}])
            ]),
        )
    ]
)

fig_custom.show()