具体描述
随着信息技术的发展和硬件设备成本的降低，当今的互联网存在海量的数据，要想快速从这些数据中获取更多有效的信息，数据可视化是重要的一环。对于Python语言来说，比较传统的数据可视化模块是Matplotlib，但它存在不够美观、静态性、不易分享等缺点，限制了Python在数据可视化方面的发展。为了解决这个问题，新型的动态可视化开源模块Plotly应运而生。由于Plotly具有动态、美观、易用、种类丰富等特性，所以一经问世就受到开发人员的喜爱。《Python数据分析：基于Plotly的动态可视化绘图》主要介绍Plotly在可视化各领域的应用，包括基础绘图、数据处理、网页开发、程序GUI、机器学习和量化投资等，方便读者对Plotly快速上手。
《Python数据分析：基于Plotly的动态可视化绘图》绝大部分代码用Python语言编写，同时也给出了Plotly在R语言、MATLAB和JavaScript中的应用案例。
作者简介
孙洋洋，擅长网络爬虫、机器学习、量化投资与程序GUI开发设计。有多年量化投资实盘操作经历，现就职于某期货公司做量化研究员。
目录信息
1.1 Plotly简介 1
1.2 安装与安装环境 6
1.3 在线初始化 6
1.4 在线绘图隐私说明 8
1.5 开始在线绘图 8
1.6 使用离线绘图库 11
1.7 参数解读 13
1.8 查看帮助 14
第2章 Plotly基础图形 16
2.1 基础案例解读 17
2.2 基本绘图流程 19
2.3 散点图 20
2.3.1 基本案例 20
2.3.2 样式设置 22
2.3.3 应用案例 24
2.3.4 参数解读 26
2.4 气泡图 28
2.4.1 基本案例 28
2.4.2 样式设置 29
2.4.3 缩放设置 30
2.4.4 参数解读 33
2.5 线形图 33
2.5.1 基本案例 33
2.5.2 数据缺口与连接 35
2.5.3 数据插值 38
2.5.4 填充线形图 41
2.5.5 应用案例 45
2.5.6 参数解读 49
2.6 柱状图 49
2.6.1 基本柱状图 49
2.6.2 柱状簇 50
2.6.3 层叠柱状图 52
2.6.4 瀑布式柱状图 54
2.6.5 图形样式设置 56
2.6.6 应用案例 58
2.6.7 参数解读 60
2.7 水平条形图 61
2.7.1 基本案例 61
2.7.2 应用案例 64
2.7.3 参数解读 70
2.8 甘特图 70
2.8.1 基本甘特图 70
2.8.2 甘特图（按数字索引） 71
2.8.3 甘特图（按类别索引） 72
2.8.4 应用案例 74
2.9 面积图 76
2.9.1 基本面积图 76
2.9.2 内部填充面积图 78
2.9.3 堆积面积图 80
2.10 直方图 83
2.10.1 基本直方图 83
2.10.2 重叠直方图 84
2.10.3 层叠直方图 85
2.10.4 累积直方图 87
2.10.5 应用案例 88
2.10.6 参数解读 89
2.11 饼图 90
2.11.1 基本饼图 90
2.11.2 环形饼图 91
2.11.3 样式设置 92
2.11.4 应用案例 93
2.11.5 参数解读 98
2.12 更多案例 99
2.13 Plotly对象概览 100
第3章 Plotly高级图形 110
3.1 时间序列 110
3.1.1 使用方法 110
3.1.2 时间范围约束 111
3.2 滑动选择控件 113
3.3 表格 117
3.3.1 入门案例 117
3.3.2 添加链接 118
3.3.3 使用Pandas 120
3.3.4 改变大小与颜色 121
3.3.5 表格与图 124
3.4 多图表 129
3.5 多个坐标轴 130
3.5.1 双坐标轴 130
3.5.2 多坐标轴 132
3.5.3 共享坐标轴 136
3.6 多子图 138
3.6.1 双子图（方法一） 138
3.6.2 双子图（方法二） 139
3.6.3 多子图（方法一） 141
3.6.4 多子图（方法二） 142
3.6.5 分割视图区间 144
3.6.6 子图共享坐标轴（方法一） 147
3.6.7 子图共享坐标轴（方法二） 149
3.6.8 子图坐标轴自定义 152
3.6.9 嵌入式子图 154
3.6.10 混合图 155
3.7 绘制SVG 159
3.7.1 线形图的绘制 160
3.7.2 线形图应用：创建图形的切线 163
3.7.3 矩形图的绘制 166
3.7.4 矩形图应用：设置时间序列区域高亮显示 169
3.7.5 圆形图的绘制 171
3.7.6 圆形图应用：高亮显示散点图的聚集簇 174
第4章 Plotly与Pandas 178
4.1 简单快速入门 178
4.1.1 基本线形图 179
4.1.2 基本散点图 180
4.1.3 基本柱状图 181
4.2 使用cufflinks绘图 183
4.2.1 安装cufflinks 183
4.2.2 快速入门 183
4.2.3 快速获取数据 185
4.2.4 自定义绘图 186
4.2.5 常见经典图形 188
4.2.6 更多案例 193
第5章 金融绘图 194
5.1 快速绘制K线图 194
5.1.1 检查Plotly版本 194
5.1.2 快速绘制OHLC（美国线）图 194
5.1.3 快速绘制蜡烛图 197
5.2 K线图的优化 199
5.2.1 过滤非交易时间 199
5.2.2 设置形状、颜色和注释 203
5.2.3 添加技术指标 207
5.3 使用自定义的数据 211
5.4 高级金融绘图 214
5.4.1 入门案例 214
5.4.2 综合案例 215
第6章 Matplotlib 217
6.1 Matplotlib简介 217
6.2 安装Matplotlib 218
6.3 调整Matplotlib参数 220
6.4 常用的API功能 222
6.5 线性函数 223
6.6 增加子图 225
6.7 确定坐标范围 228
6.8 概率图 229
6.9 散点图 232
6.10 柱状图 235
6.11 更多扩展 239
第7章 Plotly与网页开发 240
7.1 Plotly在Django中的应用 240
7.1.1 安装环境搭建 240
7.1.2 安装环境测试 241
7.1.3 入门案例一 243
7.1.4 入门案例二 247
7.1.5 更多案例扩展 254
7.1.6 应用案例一 256
7.1.7 应用案例二 258
7.2 Plotly在Flask中的应用 267
7.2.1 安装Flask 269
7.2.2 最小的Web应用 269
7.2.3 模板渲染 270
7.2.4 入门案例一 272
7.2.5 入门案例二 275
7.2.6 应用案例 283
第8章 Plotly与GUI开发 293
8.1 PyQt的安装 295
8.2 案例解读 295
8.3 设置提升的窗口部件 298
8.4 Plotly_PyQt 5的使用 300
8.5 更多扩展 304
8.6 Plotly与PyQt 5.6的结合 305
8.7 更多扩展 309
8.8 应用案例：展示产品组合信息 309
第9章 Plotly与机器学习 316
9.1 Plotly在Sklearn中的应用 316
9.1.1 分类问题 316
9.1.2 回归问题 319
9.1.3 聚类问题 321
9.2 PyTorch可视化工具 326
9.2.1 Visdom简介 326
9.2.2 安装Visdom 327
9.2.3 Visdom与Plotly 328
9.2.4 Visdom基本概念 328
9.2.5 使用方法 329
9.2.6 Visdom与PyTorch 345
第10章 Plotly在量化投资中的应用 346
第11章 Plotly在其他语言中的应用 355
11.1 Plotly在R语言中的应用 355
11.1.1 安装R语言 355
11.1.2 安装Plotly模块 356
11.1.3 Plotly应用分析 356
11.1.4 更多扩展 362
11.2 Plotly在MATLAB中的应用 363
11.2.1 下载与安装 363
11.2.2 基础入门 365
11.2.3 经典案例 367
11.2.4 更多扩展 376
11.3 Plotly在JavaScript语言中的应用 377
11.3.1 基础入门 377
11.3.2 散点图 380
11.3.3 条形图 383
11.3.4 扇形图 384
11.3.5 更多扩展 386
· · · · · · (收起)
读后感
用户评价
说实话，我原本对学习一个新的可视化库有些抵触，觉得现有的Matplotlib和Seaborn已经足够用了。直到我尝试用它们来展示高维空间的数据分布时，效果总是差强人意，交互性几乎为零。这本书就像是一剂强心针，彻底激发了我对动态可视化的热情。它的语言风格非常贴近初学者，不会上来就用晦涩的术语轰炸你。比如，它解释 `go.Figure` 和 `go.Layout` 之间关系的段落，用了一个非常形象的比喻，让我瞬间就明白了这两者的核心区别和作用。通过书中那些生动的案例，比如模拟股票价格的波动、展示地理信息的热力图变化等，我开始真正理解“动态”在数据探索中的价值。它教会我如何设计出让用户愿意主动去“玩弄”数据的图表，而不是被动地接受信息。对于渴望将自己的数据故事提升到互动层次的同仁来说，这本书的价值是无可估量的。
这本书简直是数据可视化的救星！我最近在做一个关于城市交通流量的项目，需要展示复杂的时序数据，传统的静态图表根本无法清晰地表达数据之间的动态关系。我抱着试试看的心态买了这本书，没想到完全打开了我的新世界。作者对Plotly的讲解细致入微，从基础的图表类型到高级的交互式组件，每一步都配有清晰的代码示例和直观的图示。更让我惊喜的是，书中不仅仅是教你怎么画图，更深入地探讨了如何通过动态交互来增强数据叙事的力度。比如，书中关于时间轴刷选和动态更新的章节，让我能够轻松地实现对特定时间段的钻取分析，这对于我的项目至关重要。我过去花了好大力气研究的图表美化，在这本书里都有更高效、更优雅的实现方式。读完前几章，我就能独立做出令人眼前一亮的动态仪表盘了，极大地提升了我的工作效率和成果展示的专业度。
这本书的出版时机非常恰当，它正好填补了当前Python数据分析领域中关于高级交互式报告的一个重要空白。我关注Plotly已经有一段时间了，但总觉得缺乏一本能系统性地串联起所有高级功能的资源。这本书做到了，而且做得非常出色。它不像有些教材那样只聚焦于单一的图表类型，而是构建了一个完整的可视化思维框架。例如，书中对比了不同渲染后端（如浏览器端和离线渲染）的优劣，这对于需要在不同环境下分享分析结果的我来说，提供了非常实用的指导。我特别喜欢它对高级自定义回调函数的处理，让我能够将多个数据源的联动分析，以一种极其流畅的方式呈现在一个界面上。对于那些已经掌握了基础Python和Pandas，但渴望在数据展示上实现突破的进阶学习者，这本书提供了从“知道”到“精通”的关键桥梁。它不仅是工具书，更像是一本提升数据沟通艺术的教科书。
作为一名资深的数据分析师，我经常需要处理来自不同源头的海量数据，并将其转化为管理层能够快速理解的洞察报告。坦白说，市面上很多关于Python可视化工具的书籍，要么过于偏向理论介绍，要么就是堆砌代码片段，缺乏实战指导。然而，这本《Python数据分析：基于Plotly的动态可视化绘图》完全打破了这种刻板印象。它的章节安排极具逻辑性，从数据清洗与预处理如何无缝衔接到Plotly的图形对象构建，再到最终发布到Web环境的完整流程，都进行了详尽的阐述。我尤其欣赏它对不同图表类型适用场景的深度剖析，比如什么时候应该用散点图矩阵，什么时候使用平行坐标图，而不是仅仅停留在“如何画”的层面。书中对高级布局管理和自定义主题的讲解，让我终于告别了“默认样式凑合用”的窘境，能够输出符合企业品牌标准的专业级报告。这本书绝对是那种值得放在手边，随时翻阅的实战手册。
我是一个对细节有近乎偏执要求的用户，尤其在处理数据报告的最终呈现效果上。很多可视化库生成的图表，在放大、悬停反馈或者响应速度上总有些不尽如人意之处。这本书在Plotly的底层优化和前端渲染特性上的探讨，让我大开眼界。作者不仅展示了如何利用Plotly Express快速生成漂亮的初始图表，更重要的是，它深入讲解了如何通过配置 `config` 参数来精细控制图表的交互行为和加载性能。书中关于如何将Plotly图表嵌入到Dash应用中的那一小节，虽然篇幅不长，但其中的代码技巧和最佳实践，解决了我之前在部署过程中遇到的无数小麻烦。阅读过程中，我感觉自己不是在看一本技术书籍，更像是在和一位经验丰富的资深工程师并肩作战，手把手学习如何将一个“能看”的图表变成一个“完美”的分析工具。这种深度和广度的结合，在同类书籍中非常罕见。
poltly库基本入门 常见的应用场景
poltly库基本入门 常见的应用场景
poltly库基本入门 常见的应用场景
poltly库基本入门 常见的应用场景
poltly库基本入门 常见的应用场景
