首先安装并导入Plotly库，使用px快速创建散点图等常见图表，或用go精细控制图形样式，通过make_subplots布局多子图，最终调用fig.show()显示支持交互的图表。

Plotly 是一个功能强大的 Python 可视化库，支持交互式图表绘制，适合用于数据分析、报告展示和网页集成。使用它主要分为安装、导入、准备数据、创建图表和显示几个步骤。

安装与导入

在使用前需要先安装 plotly：

pip install plotly

然后在代码中导入所需模块：

import plotly.express as px
import plotly.graph_objects as go
from plotly.subplots import make_subplots

使用 Plotly Express 快速绘图

Plotly Express（px）适合快速生成常见图表，语法简洁。

立即学习“Python免费学习笔记（深入）”；

示例：绘制散点图

python学习

Python 编程学习助手 skill，面向零基础用户。 当用户表达以下意图时触发： - 学习 Python 基础概念（变量、数据类型、循环、函数、类等） - 请求 Python 练习题或测验 - 请求审查或调试 Python 代码 - 请求 Python 项目实战指导（爬虫、数据分析、Web 开发等入门项目） - 泛化表述如"教我 Python""我想学编程""Python 怎么写""帮我学 Python" 此 skill

下载

import plotly.express as px

# 准备数据
data = px.data.iris() # 内置鸢尾花数据集

# 创建散点图
fig = px.scatter(data, x='sepal_width', y='sepal_length', color='species')
fig.show()

支持的图表类型包括折线图（line）、柱状图（bar）、直方图（histogram）、箱型图（box）等，只需调用对应函数即可。

使用 Graph Objects 精细控制图表

当需要更灵活地控制图形样式时，使用 graph_objects（go）。

示例：手动添加线条和标记

import plotly.graph_objects as go

fig = go.Figure()
fig.add_trace(go.Scatter(x=[1, 2, 3, 4], y=[10, 15, 13, 17], mode='lines+markers', name='趋势'))
fig.update_layout(title='自定义折线图', xaxis_title='X轴', yaxis_title='Y轴')
fig.show()

你可以逐个添加图层、设置坐标轴、注释、颜色等细节。

子图与多图布局

使用 make_subplots 可以创建包含多个子图的复合图表。

from plotly.subplots import make_subplots
import plotly.graph_objects as go

fig = make_subplots(rows=1, cols=2, subplot_titles=('图1', '图2'))

fig.add_trace(go.Scatter(y=[1, 3, 2], name='A'), row=1, col=1)
fig.add_trace(go.Bar(y=[2, 4, 1], name='B'), row=1, col=2)

fig.update_layout(title='双子图示例')
fig.show()

基本上就这些。掌握 px 快速出图和 go 精细调整两种方式，就能应对大多数可视化需求。图表支持缩放、拖动、悬停提示等交互功能，非常适合动态展示数据。不复杂但容易忽略的是记得调用 fig.show() 才能看见结果。