chart-types

# Plotly 图表类型 按类别组织的图表类型综合指南。 ## 基础图表 ### 散点图 python import plotly.express as px fig = px.scatter(df, x='x', y='y', color='category', size='size') # 带趋势线 fig = px.scatter(df, x='x', y='y', trendline='ols') ### 折线图 python fig = px.line(df, x='date', y='value', color='group') # 从宽格式数据创建多条线 fig = px.line(df, x='date', y=['metric1', 'metric2', 'metric3']) ### 柱状图 python # 垂直柱状图 fig = px.bar(df, x='category', y='value', color='group') # 水平柱状图 fig = px.bar(df, x='value', y='category', orientation='h') # 堆叠柱状图 fig = px.bar(df, x='category', y='value', color='group', barmode='stack') # 分组柱状图 fig = px.bar(df, x='category', y='value', color='group', barmode='group') ### 饼图 python fig = px.pie(df, names='category', values='count') # 圆环图 fig = px.pie(df, names='category', values='count', hole=0.4) ### 面积图 python fig = px.area(df, x='date', y='value', color='category') ## 统计图表 ### 直方图 python # 基础直方图 fig = px.histogram(df, x='values', nbins=30) # 带边缘图 fig = px.histogram(df, x='values', marginal='box') # 或 'violin', 'rug' # 2D 直方图 fig = px.density_heatmap(df, x='x', y='y', nbinsx=20, nbinsy=20) ### 箱线图 python fig = px.box(df, x='category', y='value', color='group') # 带缺口箱线图 fig = px.box(df, x='category', y='value', notched=True) # 显示所有点 fig = px.box(df, x='category', y='value', points='all') ### 小提琴图 python fig = px.violin(df, x='category', y='value', color='group', box=True, points='all') ### 条带/点图 python fig = px.strip(df, x='category', y='value', color='group') ### 分布图 python # 经验累积分布 fig = px.ecdf(df, x='value', color='group') # 边缘分布 fig = px.scatter(df, x='x', y='y', marginal_x='histogram', marginal_y='box') ### 误差棒 python fig = px.scatter(df, x='x', y='y', error_y='error', error_x='x_error') # 使用 graph_objects 自定义误差棒 import plotly.graph_objects as go fig = go.Figure() fig.add_trace(go.Scatter( x=[1, 2, 3], y=[5, 10, 15], error_y=dict( type='data', array=[1, 2, 3], visible=True ) )) ## 科学图表 ### 热力图 python # 从矩阵数据创建 fig = px.imshow(z_mat