文科生自学Python-用Plotly绘制折线图

--人生不是赛场，梦想不容退场，学习编程成就更好的自己--

Python语言简洁生动，特别适合文科生学习入门IT世界，用几十行代码就能够做一个完整的爬虫脚本，开发效率杠杠的！短时间内即可解决工作和学习中碰到的各种棘手问题。(本人外语专业毕业，机缘巧合爱上编程，自学道路曲曲折折，痛并快乐！)在这里总结一下自学Python遇到的难点和重点，分享码过的代码和要点总结，希望能够给初学者一点启示和鼓励，同时愿意结交更多大神交流有助提升自己的水平。

今天分享如何使用Plotly绘制一种大家熟知的图表--折线图：一般来讲折线图描述随着时间推移相关维度数值的变化情况，例如：X轴为时间轴，Y轴为收入数值，接下来还以Plotly内置的世界人口数据集为案例进行演示：

1.调取欧洲几个典型国家作为数据集来绘制折线图：

2.使用line函数进行制图如下：

作图需要注意X轴年份数据尽量文本化(Year方便显示)，看到几行代码就能轻松搞定，但是折线图的颜色和风格还是差点意思，如何能够私人定制呢？接下来看看另一种画折线图的方法：

2.创建go.Figure画折线图：

作图之前先对数据进行预处理，把每个国家数据单独提取成各自独立的数据集合，如下：

通过go.Figure来创建底层画布，其方法有点像画油画，一层一层把想要的数据放上去，然后再对标题和背景颜色等进行渲染完成即可，如下：

看成品如下：

也可以调整一下背景颜色，如下:

看成品如下：

是不是有点专业的味道了？可见go.Figure方法真是奇妙哇，小伙伴们赶紧去官网上查查资料动手试一下吧。

代码汇总如下：

#import plotly to get the datasets
from plotly.subplots import make_subplots
import plotly.graph_objs as go
import plotly.offline as py
import plotly_express as px

#Get a dataset of dedicated countries
df = px.data.gapminder().query("country == ['Germany','France','Italy','Spain']")
df["life"] = df["lifeExp"].astype(int)
df["pop-Million"] = (df["pop"]/1000000).astype(int) #Get pop 100W /人口数量以百万单位来显示
df["gdpPercap-Thousand"] = (df["gdpPercap"]/1000).astype(float) #Get gdpPercap as Tousand /人均GDP以千元单位显示
df["Year"] = df["year"].astype(str) #Convert year as int into string
display(df.head())

fig = px.line(df, x="Year", y="pop-Million",color="country")
fig.update_layout(title="欧洲主要几个国家人口变化",xaxis_title="年份",yaxis_title='人口数量-百万')
fig.show()

#get datasets seperately
df_Germany = df[df["country"]=="Germany"]
df_France = df[df["country"]=="France"]
df_Italy = df[df["country"]=="Italy"]
df_Spain = df[df["country"]=="Spain"]
display(df_Germany.head())

#get the lines for countries one by one
fig = go.Figure()
fig.add_trace(go.Scatter(x=df_Germany["Year"], y=df_Germany["pop-Million"],name='Pop Change of Germany',\
                         line=dict(color='firebrick', width=4))) #油画第一层-德国数据
fig.add_trace(go.Scatter(x=df_France["Year"], y=df_France["pop-Million"],name='Pop Change of France',\
                         line=dict(color='royalblue', width=4,dash="dashdot"))) #油画第二层-法国数据
fig.add_trace(go.Scatter(x=df_Italy["Year"], y=df_Italy["pop-Million"],name='Pop Change of Italy',\
                         line=dict(color='firebrick', width=4,dash="dash"))) #油画第三层-意大利数据
fig.add_trace(go.Scatter(x=df_Spain["Year"], y=df_Spain["pop-Million"],name='Pop Change of Spain',\
                         line=dict(color='royalblue', width=4, dash='dot'))) #油画第四层-西班牙数据
fig.update_layout(title="不同欧洲国家人口变化",xaxis_title="年份",yaxis_title='人口数量',showlegend=True) #渲染标题有和备注等
fig.show()

#get datasets seperately
df_Germany = df[df["country"]=="Germany"]
df_France = df[df["country"]=="France"]
df_Italy = df[df["country"]=="Italy"]
df_Spain = df[df["country"]=="Spain"]
#get the lines for countries one by one
fig = go.Figure()
fig.add_trace(go.Scatter(x=df_Germany["Year"], y=df_Germany["pop-Million"],name='Pop Change of Germany',\
                         line=dict(color='firebrick', width=4)))
fig.add_trace(go.Scatter(x=df_France["Year"], y=df_France["pop-Million"],name='Pop Change of France',\
                         line=dict(color='royalblue', width=4,dash="dashdot")))
fig.add_trace(go.Scatter(x=df_Italy["Year"], y=df_Italy["pop-Million"],name='Pop Change of Italy',\
                         line=dict(color='firebrick', width=4,dash="dash")))
fig.add_trace(go.Scatter(x=df_Spain["Year"], y=df_Spain["pop-Million"],name='Pop Change of Spain',\
                         line=dict(color='royalblue', width=4, dash='dot')))
fig.update_layout(title="不同欧洲国家人口变化",xaxis_title="年份",yaxis_title='人口数量')
fig.update_layout(showlegend=True,plot_bgcolor="white")
fig.show()

END

我为人人，人人为我！！欢迎大家关注，点赞和转发！！！

~~人生不是赛场，梦想不容退场~~不断努力学习蜕变出一个更好的自己，不断分享学习路上的收获和感悟帮助他人成就自己！！！