2025年手把手教你用plotly绘制excel中常见的8种图表

大家好，我是讯享网，很高兴认识大家。

目录：

0. 准备工作
1. 柱状图
2. 条形图
3. 折线图
4. 面积图
5. 饼图与圆环图
6. 散点图
7. 气泡图
8. 极坐标(雷达图)

0. 准备工作

我这边是在jupyterlab中演示的plotly图表，如果只安装plotly是无法正常显示图表的（会显示为空白），我们需要进行以下准备(以下命令均在cmd下操作即可)：

# 安装plotly库及plotly-orca库 pip install plotly pip install plotly plotly-orca # Basic JupyterLab renderer support jupyter labextension install jupyterlab-plotly # OPTIONAL: Jupyter widgets extension for FigureWidget support jupyter labextension install @jupyter-widgets/jupyterlab-manager plotlywidget

讯享网

参考：https://github.com/plotly/plotly.py

plotly有两种绘图方式，其一是原始graph_objects，其二是Plotly Express。我们这里用到的是后者，至于其中的区别，大概就是后者是高级版本，封装了很多后者的复杂操作，可以直接用pandas.Dataframe类型，是现在主推的。

1. 柱状图

我们知道，在excel插入图表的时候，柱状图一般可选堆叠柱状图和簇状柱状图。

柱状图：

讯享网# 自带数据集 gapminder data = px.data.gapminder() data.head()

讯享网

gapminder

# 柱状图 import plotly.express as px data_canada = px.data.gapminder().query("country == 'Canada'") fig = px.bar(     data_canada, # 数据集     x='year', # x轴     y='pop', # y轴 ) fig.show()

柱状图

堆叠柱状图：

讯享网# 自带数据集 medals_long（长表数据） long_df = px.data.medals_long() long_df.head()

medals_long

# 堆叠柱状图 （使用长表数据，这种数据excel无法直接绘制堆叠图） import plotly.express as px long_df = px.data.medals_long() fig = px.bar(     long_df,  # 数据集     x="nation",  # x轴     y="count",  # y轴     color="medal",  # 图例颜色（这种情况下需要设定该参数根据medal类型才区分，否则同色）     title="堆叠柱状图 Long-Form Input", # 图表标题 ) fig.show()

堆叠柱状图-长表

讯享网# 自带数据集 medals_long（宽表数据） wide_df = px.data.medals_wide() wide_df.head()

宽表

# 堆叠柱状图 （使用长表数据，这种数据excel可以直接绘制堆叠图） import plotly.express as px wide_df = px.data.medals_wide() fig = px.bar(wide_df, x="nation",               y=["gold", "silver", "bronze"],               title="堆叠柱状图 Wide-Form Input") fig.show()

堆叠柱状图-宽表

簇状柱状图：

讯享网# 簇状柱状图 import plotly.express as px long_df = px.data.medals_long() fig = px.bar(     long_df,       x="nation",       y="count",       color="medal",       title="簇状柱状图 Long-Form Input",      barmode='group', # barmode 设置为 group则为簇状柱形图，可选 stack(叠加)、group(并列)、overlay(覆盖)、relative(相对) ) fig.show()

簇状柱状图

类似于excel里柱状图填充色中依据数据点着色：

# 类似于excel里柱状图填充色中依据数据点着色 import plotly.express as px data = px.data.gapminder() data_canada = data[data.country == 'Canada'] fig = px.bar(data_canada, x='year', y='pop',              hover_data=['lifeExp', 'gdpPercap'],               color='lifeExp', # 指定柱状图颜色根据 lifeExp字段数值大小自动着色              labels={'pop':'population of Canada'},               height=400, # 图表高度             ) fig.show()

数据点着色

2. 条形图

条形图其实就是柱状图转个90度，横着显示呗。所以，本质上是一样的，唯一的区别：在 Bar 函数中设置orientation='h'，其余参数与柱状图相同。

讯享网# 在plotly绘图中，条形图与柱状图唯一的区别：在 Bar 函数中设置orientation='h'，其余参数与柱状图相同 import plotly.express as px data = px.data.gapminder() data_canada = data[data.country == 'Canada'] fig = px.bar(data_canada, y='year', x='pop',              hover_data=['lifeExp', 'gdpPercap'],               color='lifeExp', # 指定柱状图颜色根据 lifeExp字段数值大小自动着色              labels={'pop':'population of Canada'},               height=600, # 图表高度              width=800, # 图表宽度              orientation='h' # 条形图设置参数             ) fig.show()

条形图

3. 折线图

折线图大致可以是画一个折线图或多条折线图。

单个折线图：

# 折线图 import plotly.express as px df = px.data.gapminder().query("country=='Canada'") fig = px.line(df, x="year", y="lifeExp", title='Life expectancy in Canada',               text='lifeExp', # 数据点显示值               line_shape='linear', # 共有6种插值方式：'linear'、'spline'、'hv'、'vh'、'hvh'和'vhv。              ) fig.update_traces(     texttemplate='%{text:.2f}', # 数据点显示值的格式     textposition='top center', # 数据点显示的位置：'top left', 'top center', 'top right', 'middle left','middle center', 'middle right', 'bottom left', 'bottom center', 'bottom right' )  fig.show()

单折线图

多折线图：

讯享网# 多折线图 import plotly.express as px # 比如绘制大洋洲（有澳大利亚和新西兰） df = px.data.gapminder().query("continent=='Oceania'") fig = px.line(df, x="year", y="lifeExp",                color='country', # 按照国家区分              ) fig.show()

多折线图

分组多折线图：

# 分组多折线图 import plotly.express as px # 绘制各大洲每个国家人均寿命随着时间变化曲线 df = px.data.gapminder().query("continent != 'Asia'") # remove Asia for visibility fig = px.line(df, x="year", y="lifeExp",                color="continent",               line_group="country",                hover_name="country") fig.show()

分组多折线图

4. 面积图

讯享网import plotly.express as px # 比如绘制大洋洲（有澳大利亚和新西兰） df = px.data.gapminder().query("continent=='Oceania'") fig = px.area(df, x="year", y="pop",                color='country', # 按照国家区分              ) fig.show()

面积图

5. 饼图与圆环图

我们在用excel绘制饼图的时候，可以选择既定配色方案，还可以自定义每个色块的颜色。用plotly绘制的时候，这些自定义操作也是支持的。

# 饼图 import plotly.express as px # 筛选2007年欧洲数据 df = px.data.gapminder().query("year == 2007").query("continent == 'Europe'") # 将小于200万的国家标记为其他 df.loc[df['pop'] < 2.e6, 'country'] = 'Other countries'  # 绘制饼图 fig = px.pie(df, values='pop', names='country', title='Population of European continent') fig.show()

饼图

字段多条数据自动处理：

讯享网# 自带数据集 tips,字段day下是星期，存在多条 df = px.data.tips() df.head()

tips数据预览

我们可以看到，在tips数据集中，day字段是星期，包含很多同星期的数据。在进行饼图绘制的时候，以day字段做分类，可以自动实际聚合求和操作。

# 如果 分类 标签下有很多数据，则会自动进行分组求和 import plotly.express as px # This dataframe has 244 lines, but 4 distinct values for `day` df = px.data.tips() fig = px.pie(df, values='tip', names='day') fig.show()

自动聚合做饼图

设置配色方案：

关于配色方案的更多选择，大家可以参考《我又用Python爬取了4000+股票数据，并用plotly绘制了树状热力图(treemap)》里介绍的内容。

讯享网# 设置配色方案 import plotly.express as px df = px.data.tips() fig = px.pie(df, values='tip', names='day',               color_discrete_sequence=px.colors.sequential.RdBu, # 设置配色方案             ) fig.show()

设置配色方案作图

我们也可以自定义每个色块颜色：

# 自定义配色 import plotly.express as px df = px.data.tips() fig = px.pie(df, values='tip', names='day', color='day',              color_discrete_map={'Thur':'lightcyan',                                  'Fri':'cyan',                                  'Sat':'royalblue',                                  'Sun':'darkblue'}) fig.show()

自定义每个色块颜色

在饼图上显示数据标签：

讯享网# 在饼图上显示数据标签 import plotly.express as px df = px.data.gapminder().query("year == 2007").query("continent == 'Asia'") fig = px.pie(df, values='pop', names='country',              title='Population of American continent',              hover_data=['lifeExp'],               labels={'lifeExp':'life expectancy'}             ) fig.update_traces(textposition='inside',                    textinfo='percent+label' # 数据标签显示的内容                  ) fig.show()

在饼图上显示数据标签

圆环图：

圆环图是指饼图中间一定半径的圆部分为空白，设置参数hole=int即可（0-1）。

# 圆环图 import plotly.express as px df = px.data.tips() fig = px.pie(df, values='tip', names='day',               color_discrete_sequence=px.colors.sequential.RdBu,              hole=.3, # 设置空心半径比例             ) fig.show()

圆环图

6. 散点图

散点图是x和y均为数字列表情况下的坐标点图。

x轴和y轴均是列表的形式：

讯享网# x轴和y轴均是列表的形式 import plotly.express as px fig = px.scatter(x=[0, 1, 2, 3, 4], y=[0, 1, 4, 9, 16]) fig.show()

列表数据散点图

给定pd.Dataframe类型数据：

# 自带数据集 iris df = px.data.iris() df.head()

iris数据集

pd.Dataframe类型数据散点图

讯享网# 设置数据点颜色和大小 import plotly.express as px df = px.data.iris() fig = px.scatter(df, x="sepal_width", y="sepal_length",                   color="species", # 根据species字段区分颜色                  size='petal_length', # 根据sepal_length设置大小                  hover_data=['petal_width'],                 ) fig.show()

设置数据点颜色额大小

做个三角函数的图：

import plotly.express as px import numpy as np t = np.linspace(0, 2*np.pi, 100) fig = px.scatter(x=t, y=np.cos(t), labels={'x':'t', 'y':'cos(t)'}) fig.show()

cos(t)

7. 气泡图

讯享网# 气泡图 import plotly.express as px df = px.data.gapminder() fig = px.scatter(df.query("year==2007"), x="gdpPercap", y="lifeExp",                  size="pop",  # 设置气泡大小依据字段pop                  color="continent",                  hover_name="country",                   log_x=True,                   size_max=60, #设置最大气泡                 ) fig.show()

气泡图

8. 极坐标(雷达图)

极坐标下，可以用点或线进行构图，绘制点则用px.scatter_polar，绘制线则用px.line_polar。

# 自带数据集 wind df = px.data.wind() df.head()

wind

讯享网import plotly.express as px df = px.data.wind() fig = px.scatter_polar(df,                         r="frequency", # 半径                        theta="direction", # 类型                       ) fig.show()

极坐标

着色和分组标识：

import plotly.express as px df = px.data.wind() fig = px.scatter_polar(df, r="frequency", theta="direction",                        color="strength",  # 颜色根据strength着色                        symbol="strength",  # 符号根据strength区分                        size="frequency", # 大小根据 frequency 区分                        color_discrete_sequence=px.colors.sequential.Plasma_r, # 设置配色方案                       ) fig.show()

着色和分组标识

雷达图：

讯享网# 雷达图 import plotly.express as px df = px.data.wind() fig = px.line_polar(df, r="frequency",                      theta="direction",                      color="strength",                      line_close=True, # 线条是否闭环                     color_discrete_sequence=px.colors.sequential.Plasma_r,                     template="plotly_dark", # 主题模板                     ) fig.show()

雷达图

扇形区域图：

# 扇形图区域 import plotly.express as px fig = px.scatter_polar(r=range(0,90,10), theta=range(0,90,10),                        range_theta=[0,90], # 设定区域                        start_angle=0,                         direction="counterclockwise", # 方位：'counterclockwise' 逆时针 ，'clockwise'顺时针                        ) fig.show()

扇形区域图